<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>图嵌入 on PlumePHP</title><link>https://plumephp.com/tags/%E5%9B%BE%E5%B5%8C%E5%85%A5/</link><description>Recent content in 图嵌入 on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Mon, 28 Sep 2026 10:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/%E5%9B%BE%E5%B5%8C%E5%85%A5/index.xml" rel="self" type="application/rss+xml"/><item><title>图嵌入与图神经网络：从 node2vec 到 GCN 的完整图谱</title><link>https://plumephp.com/graphdb-gnn-embedding/</link><pubDate>Mon, 28 Sep 2026 10:00:00 +0800</pubDate><guid>https://plumephp.com/graphdb-gnn-embedding/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;图数据库解决了「关系怎么存、怎么查」，但「关系怎么学」——从图结构里自动提取预测信号——需要&lt;strong&gt;图表示学习&lt;/strong&gt;：把节点、边、整张图编码成低维向量（图嵌入），或用**图神经网络（GNN）**端到端学习。这两者已成为风控、推荐、社交分析、知识图谱推理的标准组件。&lt;/p&gt;</description></item><item><title>图驱动推荐系统：从协同过滤到图嵌入的实战路径</title><link>https://plumephp.com/graphdb-recommendation-system/</link><pubDate>Mon, 28 Sep 2026 10:00:00 +0800</pubDate><guid>https://plumephp.com/graphdb-recommendation-system/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;推荐系统传统上以「用户-物品评分矩阵」为中心，用协同过滤、矩阵分解求解。但当交互数据变成&lt;strong&gt;关系图谱&lt;/strong&gt;——用户、物品、标签、品牌、类目、内容互相连接——图数据库提供了更自然的建模与更丰富的推荐信号：&lt;strong&gt;「看了这本书的人也看了」本质上就是一条二跳路径&lt;/strong&gt;。&lt;/p&gt;</description></item></channel></rss>