Python 已经有这样的图嵌入算法了吗？

注意：这个问题是原始问题的一个副本，因为我怀疑datascience stack exchange平台可能还不够成熟和流行，无法在那里找到答案

我编写了一个基于图的拓扑生成节点嵌入的程序。大部分解释都在自述文件和示例中完成

问题是: 我是在重新发明轮子吗？ 与现有的嵌入式生成解决方案相比，这种方法是否具有任何实际优势

是的，我知道有很多基于随机游动的算法，但这是纯确定性线性代数，从我的角度来看，它非常简单

简而言之，该算法深受PageRank的启发。 每个节点都由其邻近向量来描述，该向量包含节点与每个其他节点或节点的某些选定子集的接近度数。 “亲密”不仅仅是简单的最短距离

以下是回购协议中有向/无向未加权图自述文件的简要说明（该想法相当直观地概括为加权图）：

每个节点分配一个向量。对于节点i，向量的第j个元素是一个数字，表示其与节点j的接近程度（可以将其视为信号强度）

将节点i与节点j（信号从中流出的“中心”节点）的接近度定义为相邻节点的信号强度乘以阻尼因子参数的总和。（倾倒系数的作用类似于一种距离惩罚）

节点“发射”到其他连接节点的信号等于节点自身中给定信号的强度除以其能够发射到的边数

最初，节点j被指定为（对其自身）等于1的接近度

整个过程是通过求解稀疏线性系统来计算的

从节点4到其他节点的“信号”强度。请注意，此处的信号沿与边缘方向相反的方向传播（如Instagram上的“跟随”关系）

---

为什么将其标记为python？@DanielMesejo因为该算法的实现是用python编写的，是stackoverflow的替代方案，您是否考虑过，甚至是，因为这是一个基本的数学问题？不清楚您的算法到底想做什么-您已经大致解释了该算法的工作原理，但是你没有明确说明它应该解决的问题。需要对问题进行更清楚的描述，以了解您是否正在“重新发明轮子”。@kaya3“基于图形拓扑生成节点嵌入的算法”有什么不清楚的地方？