# node2vec Grover & Leskovec(KDD 2016)が提案したグラフ表現学習アルゴリズム。ランダムウォーク戦略(BFS と DFS の双方を内挿するハイパーパラメータ p, q を持つ)でノード列をサンプリングし、Word2Vec の skip-gram で各ノードの低次元ベクトル表現を学習する。局所・大域構造の双方を捉える。 [[@2024__Electronics__Leveraging Large Language Models for Efficient Alert Aggregation in AIOPs|Zha+ Electronics2024]] では、enterprise topology graph のノード(サービス・コンポーネント)を node2vec で埋め込み、コサイン類似度でアラート間の空間類似度(spatial similarity)を測る用途に使用。 ## 関連 - ソース: [[@2024__Electronics__Leveraging Large Language Models for Efficient Alert Aggregation in AIOPs]] §3.2.1 - 概念: グラフ埋め込み・表現学習