本文主要是介绍GNN-节点向量(Node Embedding)的表征学习-发展：随机游走/一阶二阶相似度(静态表征)【直接学习出各个节点的向量表示】 --＞图卷积(动态表征)【学习节点间聚合函数的参数】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
静态表征
- 基于“随机游走”、“Word2vec”的：DeepWalk、Node2vec、Metapath2vec；
- 基于“一阶相似度”、“二阶相似度”的：LINE、SDNE；
动态表征（GCN、GraphSAGE、GAT）【训练聚合函数的参数】
这篇关于GNN-节点向量(Node Embedding)的表征学习-发展：随机游走/一阶二阶相似度(静态表征)【直接学习出各个节点的向量表示】 --＞图卷积(动态表征)【学习节点间聚合函数的参数】的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
