Graph Embedding（一）—— DeepWalk的原理及实现

1. 概念介绍

图：是一种非常常用的结构，包含边和节点；

Graph Embedding：图中的每个节点会对应一个词向量，某两个节点挨的越近（或者联系越紧密、或者共同的边越多），词向量在词向量空间里也就越近（想想单词的词向量的定义，和这差不多，就是把文字中的单词迁移到图的节点了）

2. deepwalk

想想单词的词向量训练的时候，是不是根据文本序列，生成中心词和上下文词列表分别作为输入输出训练skipgram模型的；那么对于图来说，怎么生成节点序列呢？有节点序列就可以生成中心节点和上下文节点列表，就可以训练skipgram模型了！并且这个节点序列一定要像文本序列一样的分布，即联系得紧密，就越能共现，deepwalk生成的节点序列就有这个特点！

那么deepwalk到底是什么呢？怎么生成节点序列呢？它真的是经典又简单。

顾名思义：随机游走，我从任意一个节点出发，随机选择和该节点有边的一个节点作为下一个节点，不断重复这个过程，就生成了一个节点序列啦！用我们的意念想一想！是不是采样的节点序列多了以后，联系得越紧密的节点，就越能共现。严谨的同分布证明在paper里有，感兴趣的可以看！

3. deepwalk流程

4.deepwalk核心代码

    def deep_worker(self):
        for _ in range(self.nums):
            for node in self.G.nodes():
                self.node_series.append(self.random_walker(node))

    def random_walker(self, first_node):
        series = [first_node]
        for _ in range(1, self.walk_length):
            nodes_list = list(self.G.adj[first_node])
            first_node = random.choice(nodes_list)
            series.append(first_node)
        return series

5. 实验

在wiki数据集上做实验，wiki数据集包含 2,405 个网页和17,981条网页之间的链接关系，以及每个网页的所属类别。

实验中word2vec模型使用gensim的skipgram，毕竟我自己写的skipgram比较慢，我还没找着慢的原因...

可以看到相同颜色的点基本都聚在一起，说明他们比较相似嘛！ 

 

(明天有时间会把)数据和代码放在本人的github里，写的比较搓，待改进...

参考网址：https://zhuanlan.zhihu.com/p/56380812