构建嵌入是图形处理的第一步。

我们主要用于在平面或超平面上应用数学。几乎所有的数学方法都适用于线性空间，尤其是我们在神经网络和计算机数据处理中使用的线性代数。

所以，事实上，嵌入只是我们需要做的第一步，以便在图形数据上应用一些数学。我们可以将节点特征嵌入到较低的维度，也可以将整个图嵌入到我们知道如何使用的某个空间中。然后应用函数，转换，任何我们想要的。

当您构建嵌入时，您的任务是在线性空间中表示一个图，以便它将保留它在非线性“图”空间中的所有特征。

在本文中，您可以阅读更多有关图嵌入的不同方法的信息。我只会从那里引用一个短语。

机器学习算法针对连续数据进行了调整，因此为什么嵌入总是针对连续向量空间。

看看这个，它比较了图嵌入与图卷积，后者以原生图结构作为输入。

https://towardsdatascience.com/graph-convolutional-networks-for-geometric-deep-learning-1faf17dee008