DAY01+deepwalk论文阅读以及算法的实现

deepwalk
主要描述的是Deep Learning的方法学图结构， 学出每个节点的隐含表示（比较像LSA、LDA、word2vec）
主要是基于随机游走
实验步骤及代码
1.http://www.perozzi.net/projects/deepwalk/论文地址
2.https://github.com/phanein/deepwalk 代码
可参照Python官方的解释https://pypi.org/project/deepwalk/

按照官方提示步骤来：

1.cd deepwalk #到代码所在的文件夹

2.pip install -r requirements.txt

输入代码之后的效果图图片

3.python setup.py install

在运行代码之前需要对下载下来的代码进行修改一下
这是第一种方法
#from . import graph
import deepwalk.graph as graph
#from . import walks as serialized_walks
import deepwalk.walks as serialized_walks
from gensim.models import Word2Vec
from .skipgram import Skipgram
第二种是直接删去前面的点，如下所示
#from . import graph
import graph
#from . import walks as serialized_walks
import walks as serialized_walks
from gensim.models import Word2Vec
import Skipgram
最后运行的时候直接在终端输入下列代码行即可
deepwalk --input example_graphs/karate.adjlist --output karate.embeddings
此时就执行完成了，最终得到嵌入向量