通过从目标节点开始对图进行随机游走来学习图中节点的低维表示。它适用于各种机器学习应用。算法遵循这样的直觉：对图中的随机游走可以像语料库中的句子一样处理。图中的每个节点都被视为一个单独的单词，而随机游走则被视为一个句子。通过将这些“句子”输入 skip-gram，或通过使用连续词袋模型，可以将随机游走找到的路径视为句子，并且可以使用传统的文档数据挖掘技术。该算法概括了基于网络邻域严格概念的先前工作，并认为探索邻域的额外灵活性是学习图中节点更丰富表示的关键。该算法被认为是最好的图分类器之一。
https://embed.notionlytics.com/wt/ZXlKM2IzSnJjM0JoWTJWVWNtRmphMlZ5U1dRaU9pSlhiRWhvWlV4VVQxbHNjMlZYV2tKbU9URndaU0lzSW5CaFoyVkpaQ0k2SW1FNE5tWTFZVEF4TURabE5UUmtaREk1TVRjME1qSm1Oak5sWmpnek5qWXlJbjA9