# Graph Embedding

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：第4章 Embedding 技术
- 页码线索：112-118
- 目标岗位：AI PM / 推荐系统产品 / 算法工程师面试
- 优先级：P0
- 标签：graph-embedding, deepwalk, node2vec

## 面试问题

Graph Embedding 在推荐系统中解决什么问题？

## 30 秒回答

Graph Embedding 把用户、物品、属性和行为构成的图结构映射为向量，能利用更丰富的连接关系，捕捉同质性、结构性和多跳关联。

## 展开要点

- DeepWalk 用随机游走生成节点序列，再类比 Word2vec 训练。
- Node2vec 在 BFS/DFS 风格之间权衡同质性和结构性。
- EGES 等方法融合多种 side information。
- 图嵌入适合复杂关系网络，但构图和实时更新很关键。

## 高频追问

- DeepWalk 和 Node2vec 有什么区别？
- 推荐系统里的图节点和边怎么定义？
- Graph Embedding 如何处理冷启动？

## 项目映射

- 用户-知识卡-技能-岗位构图，推荐下一张学习卡。
- 企业知识库中人、文档、项目、主题构成知识图谱。

## AI PM 迁移

AI PM 可用图思维组织个性化学习和知识推荐：不只是文本相似，还有关系相似。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。