node2vec gcn

Node2Vec和GCN都是图神经网络中常用的技术。

Node2Vec是一种用于节点嵌入（node embedding）的算法，它能够将图中的节点映射到低维向量空间中。Node2Vec通过在图上进行随机游走来捕捉节点之间的结构信息，并使用Skip-gram模型学习节点的向量表示。具体而言，Node2Vec会在图上进行多次游走，每次游走时根据一定的策略选择下一个节点，并构建成一个序列。这些序列可以作为训练数据用于学习节点的向量表示。Node2Vec的优势在于能够同时考虑局部邻域和全局结构，从而得到更具有表达力的节点嵌入。

GCN（Graph Convolutional Network）是一种基于卷积神经网络（CNN）理论的图神经网络模型。GCN通过利用图结构上的卷积操作来学习节点的表示。GCN的基本思想是将每个节点的特征与邻居节点的特征进行卷积操作，并将卷积结果进行聚合得到新的节点表示。通过多层的卷积和聚合操作，GCN能够逐步扩展节点的感受野并捕捉更多的图结构信息。GCN在图节点分类、链接预测等任务中取得了很好的效果。

综上所述，Node2Vec和GCN都是图神经网络中常用的技术，它们能够学习节点的向量表示并利用图结构信息进行节点分类、链接预测等任务。