Question

我正在尝试使用networkx和node2vec为边缘列表创建嵌入。我的边缘列表如下：

基本上，这是一个无权无向图，并存储在文本文件中。我正在尝试使用以下方法将其转换为图形：

nx_G = nx.read_edgelist(args.input, delimiter=' ', create_using=nx.DiGraph())
G = node2vec.Graph(nx_G, args.directed, args.p, args.q, args.seed)
G.preprocess_transition_probs()
walks = G.simulate_walks(args.num_walks, args.walk_length)
walks = [str(walk) for walk in walks]
model = Word2Vec(walks, size=args.dimensions, window=args.window_size, min_count=0, sg=1, workers=args.workers, iter=args.iter)
model.wv.save_word2vec_format(args.output)

其中args.input提供文本文件。 read_edgelist函数可正确读取节点，并正在创建嵌入。但是，在嵌入文件中，节点的编号不是1到606（这些是我的边缘列表中的节点值）：相反，它们的编号为14，数字从0到9，某些特殊字符作为节点值而是为其创建了嵌入。就是说，它不是读取单个位的整数（例如29），而是读取2并为其计算嵌入。我不明白为什么会这样，希望能提供一些见识。

Answer 1

我通过注释掉networkx存储库的main.py文件中的以下代码行来解决此问题：

walks = [map(str, walk) for walk in walks]

Answer 2

我建议您使用stellargraph library，它为机器学习提供了很好的图形算法。例如基本的Node2Vec ...

from stellargraph.data import BiasedRandomWalk
from stellargraph import StellarGraph
from gensim.models import Word2Vec

rw = BiasedRandomWalk(StellarGraph(g_nx))

walks = rw.run(
      nodes=list(g_nx.nodes()), # root nodes
      length=100,  # maximum length of a random walk
      n=10,        # number of random walks per root node 
      p=0.5,       # Defines (unormalised) probability, 1/p, of returning to source node
      q=2.0        # Defines (unormalised) probability, 1/q, for moving away from source node
)

model = Word2Vec(walks, size=128, window=5, min_count=0, sg=1, workers=2, iter=1)

model.wv['29']

使用node2vec创建嵌入

2 个答案: