5、利用DeepWalk和Node2Vec创建节点表示

利用DeepWalk和Node2Vec创建节点表示

1. DeepWalk简介与实现

DeepWalk是一种将图数据转化为节点表示的方法，结合了随机游走和Word2Vec算法。以下是使用DeepWalk解决节点分类问题的详细步骤：
1. 随机游走示例 ：

print(random_walk(0, 10))

输出结果可能如下：

['0', '4', '3', '6', '3', '4', '7', '8', '7', '4', '9']

从结果中可以看出，某些节点（如0和9）经常一起出现，在同质性图中，这意味着它们具有相似性，这正是DeepWalk想要捕捉的关系。
2. 使用Zachary’s Karate Club数据集 ：该数据集代表了一个空手道俱乐部成员之间的关系，每个节点是一个成员，有互动的成员之间相互连接，俱乐部分为两个组，我们的目标是根据成员之间的连接为每个成员分配正确的组。
- 导入数据集 ：

import networkx as nx
G = nx.karate_club_graph()

- **转换标签为数值**：

labels = []
fo