最近在做复杂网络向量化，要把复杂的网络向量化，我以前是做NLP的，有以前的基础所以就很容易理解把复杂网络里面每个节点和边做向量化，其实和以前做NLP很像。
我用几句简单的话来描述一下吧
word2vec 其实是根据词的共现关系，算词和词之间的概率，将词映射到低纬度向量，并语料中的信息。
DeepWalk 算法其实和word2vec算法很类似，应该是借鉴word2vec算法吧或者是照搬word2vec算法，对图从一个节点开始用random walk来生成类似文本的序列数据，然后将id做为一个个词，始用skip gram训练得到向量。
node2vec
node2vc在deepwalk算法的基础上，定义了一个bias random walk 的策略生成序列，算是改进了一下算法，后面还是走的skip gram去训练
