关于几类图的嵌入分布研究的中期报告.docxVIP

关于几类图的嵌入分布研究的中期报告 本研究旨在探究几类图的嵌入分布，包括随机图、小世界网络、无标度网络以及现实网络。本期报告主要介绍了研究方法和初步结果。 研究方法： 我们使用了嵌入技术将节点嵌入到低维空间中，并通过对嵌入结果的分析来研究图的结构特征。具体地，我们使用了两种嵌入算法：DeepWalk和node2vec。这两种算法均基于随机游走的思想，可以将节点的邻居纳入考虑，从而更好地保留网络的局部结构。另外，我们还使用了t-SNE算法将嵌入结果可视化，以便于观察和比较。 初步结果： 1. 随机图：通过嵌入算法，我们发现随机图的嵌入分布呈现出较为均匀的分布，即节点在嵌入空间中分布相对均匀，没有明显的聚集现象。 2. 小世界网络：我们发现，小世界网络中的节点嵌入分布呈现出一定的聚集现象，即存在集中在嵌入空间某些区域的节点。这也正是小世界网络的一个经典特征。 3. 无标度网络：无标度网络中的节点嵌入分布呈现出极强的聚集现象，即存在少量节点聚集在嵌入空间的核心部分，大多数节点则分散在周围。这也是无标度网络的一个经典特征。我们还发现，使用不同的嵌入算法结果会略有不同，但总体趋势一致。 4. 现实网络：我们选取了一款社交网络作为现实网络的代表。通过嵌入算法和t-SNE可视化，我们发现节点嵌入分布呈现出一定的聚集现象，但相对于无标度网络来说并不算强。另外，我们还发现不同节点类型之间的嵌入分布存在差异，即不同类型的节点往往会聚集到嵌入空间的不同区域。 结论： 随着研究的深入，我们将进一步探究不同图的嵌入分布特征，并寻找其中的规律和规律背后的原因。这对于理解和应用不同类型的网络都有重要意义。