dgl-01 deepwalk

---

Deepwalk原理

在word2vec基础上，利用随机游走采样邻居节点再训练节点向量
1. 随机游走采样节点序列
2. 使用skip-gram model学习节点向量

随机游走需要注意：

1. 每次以当前节点为起始点，利用深度优先遍历采样
2. 采用多进程并行对节点进行采样
3. 需要指定采样深度

word2vec的输入是一个seq一个seq输入，
deepwalk只是把seq改成了随机游走采样出来的序列，
根据应用场景来选用模型。

• 比如开会的场景, 要训练用户向量表示，业务希望看到的是一个会议里面的用户相似度。那么把一个会议的uid作为一个序列，用word2vec训练即可，这种场景更多是1度邻居关系，不是特别关注2度邻居
• 如果是用户点击序列来构图来训练用户向量，可能关注的信息并不是当前用户点击的序列，希望能够通过点击商品，去关联出其它同样点击商品的用户信息，类似于协同过滤，这时候就要考虑图结构1，2度甚至更深的关系，就用deepwalk来训练更好。

---

DGL训练

1. 有写好的随机游走采样接口
2. 有写好的skip-gram模型, 直接使用即可
3. 有graph数据结构
4. 支持多GPU训练
5. dgl源代码： deepwalk

整体来说就是开箱即用，既可以简单处理数据后直接使用, 也可以看源码学习。重点是了解数据处理和加载，后续慢慢学习模型源码。

数据示例

dgl提供了各种图结构相关数据，这里用youtube文件, 一共有3个文件

-rw-r--r-- 1 root root 457K Jun 10  2020 youtube-label.txt
-rw-r--r-- 1 root root  86M Jun 10  2020 youtube-net.txt
-rw-r--r-- 1 root root 236K Jun 10  2020 youtube-vocab.txt

# youtube-label.txt, 表示每个node节点对应的类别
1       1
3       1
5       1