graph - 在图嵌入中选择嵌入向量的大小

Question

使用 node2vec、DeepWalk 或 LINE 等图嵌入算法时，如何确定嵌入向量的最佳大小？（通过优化，我的意思是可能适用于大多数应用程序的大小，包括节点分类和集群。）

我想知道是否有根据输入图的大小、边数、密度等选择嵌入向量的维度/大小的一般经验法则。或者最佳大小应该通过反复试验。例如，在 DeepWalk 的论文中（这里：https ://dl.acm.org/doi/10.1145/2623330.2623732 ），作者对从 16 到 256 的嵌入向量进行了不同维度大小的实验。

我问这个是因为我需要存储嵌入以供以后使用。现在，我不确定我应该使用哪种尺寸/尺寸。

任何答案和建议将不胜感激。

标签： graphdeep-learningembeddingdata-representation