Node Embedding四步骤
根据在原空间中想求的相似关系，定义相似函数，但是有一个问题，如果我们已经知道在原空间中的相似关系，为什么还要映射到欧氏空间中？
答：为了更适应深度学习等的处理方法，且原数据多为结构化数据，且维数过多。
相似函数是最重要的！一般根据任务来选择设计。
编码方式有两种：浅层（node2vec,DeepWalk,LINE…其实就是一个查询表，无法得到全局最优的结果）和深层。
浅层嵌入方式（node2vec,DeepWalk,LINE,struc2vec)的区别是原始网络的相似性的定义不同（是否相连，是否共享许多邻居，是否有相似的本土网络结构.etc.)
相似性三定义：
1、基于邻接矩阵
这一部分需要好好学习。
2、多跳
k如何确定？
求出1、2、3等后集体构成z
边与边乘积求和
3、随机游走
softmax可放大相似性