deepwalk源码解读7: skipgram.py

相国大人 相国大人 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.3k累计阅读 1.3k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄10年
关注
原创 最新推荐文章于 2026-04-02 21:32:10 发布 1.3k 阅读 AI 写同款· GEO 优化 ›
【Graph Embedding】SDNE：深度学习在图嵌入领域的应用 今天学的论文是清华大学崔鹏老师工作《Structural Deep Network Embedding》（后简称 SDNE），并发表于 2016 KDD，目前为止共有 880 多引用，是一个非常经典的将深度学习应用于 NetWork Embedding 的算法。 SDNE 设计了一个由多层非线形函数组成的深度模型来捕捉高度非线性的网络结构，同时联合优化 first-order 和 second-o... 阅读详情

这里留待以后写

收录于
算法

当前文章被收录于：

算法
18 篇文章 0 人学习
订阅专栏 查看详情
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
deepwalk算法 用于deepwalk的python算法代码，很好用的，对于想要理解deepwalk的同学可以看看。 立即下载

相关推荐

用python实现skip-gram算法：AAAI-14 accepted papers（NLP）分类任务

用python动手简易复现了下word2vec中的skip-gram方法，并将嵌入的特征向量与TF-IDF特征和gensim提供的word2vec方法进行了简易对比。 具体内容可参考个人博客。

【Graph Embedding】SDNE:算法原理，实现和应用

SDNE（Structural Deep Network Embedding Daixin）是和node2vec并列的工作，均发表在2016年的KDD会议中。可以看作是基于LINE的扩展，同时也是第一个将深度学习应用于网络表示学习中的方法。 SDNE使用了无监督学习的方法来同时优化1阶和2阶相似度(LINE是分别优化的)，学习得到的向量表示能够保留局部和全局结构，并且对稀疏网络具有鲁棒...

浅梦的学习笔记 5072

昇腾910B多卡环境下hccl-test性能调优实战

本文详细介绍了昇腾910B多卡环境下hccl-test性能调优的实战经验，包括环境搭建、CANN工具链配置、性能测试与高级调优技巧。通过优化缓冲区、PCIe拓扑和中断亲和性设置，显著提升多卡通信效率，为AI训练提供稳定高效的计算支持。

weixin_29216049的博客 843

DeepWalk算法python实现

【代码】DeepWalk算法python实现。

A_New_World的博客 1004

Spring AI Alibaba Skill 实战：定义、注册与渐进式披露的企业级落地

摘要：很多团队在接入大模型时，第一步做到的是“能对话”，第二步遇到的瓶颈却是“不能可靠执行”。Skill 的本质不是给模型多几个函数，而是把企业系统中的可控能力，以可治理、可审计、可扩展的方式交给 Agent。本文围绕 Spring AI Alibaba Skill 的定义、注册与渐进式披露，结合电商客服与售后场景，系统讲清楚其底层原理、架构设计、生产级实现、高并发治理与工程实践。@Component@Tool(description = "根据订单号查询订单状态、支付状态和物流状态")扫描包含。

一起修行，不孤单。这里有编程语言、开发工具、学习方法论和踩坑笔记。用简单的话说复杂的事，陪你从小白到进阶。周更干货，欢迎一起成长！ 623

避坑指南：时间序列互相关分析(CCF)常见的5个误用场景

本文详细解析了时间序列互相关分析(CCF)中常见的5个误用场景，包括忽视平稳性检验、混淆同期相关与因果关联、误读滞后阶数、忽略自相关干扰以及样本量不足等问题。通过实际案例和技术建议，帮助数据分析师避免这些陷阱，确保CCF分析的准确性和可靠性。

weixin_29064009的博客 428

图神经网络-图游走算法核心代码DeepWalk实现

本文主要涉及图游走算法DeepWalk的代码实现。1. DeepWalk采样算法对于给定的节点，DeepWalk会等概率的选取下一个相邻节点加入路径，直至达到最大路径长度，或者没有下一个节...

大模型与Agent智能体 2717

文献综述三大痛点用AI轻松解决！借助Gemini 3 Pro搞定检索难、阅读慢、框架乱问题（附 AI 提示词）

4)“漏斗式”结构：先介绍宏观领域的研究现状，再缩小范围，聚焦于与你课题直接先关的子领域，深入探讨与你研究变量直接相关的文献， 指出前人没做过、没做全或结论有矛盾的地方，再顺势提出你的研究课题，这种结构逻辑最清晰，能直接引导读者发现你研究的必要性。想要有针对性的搜到相关文献，必须先把模糊的研究题目拆解成精准的检索语言，这个时候就需要建立一个关键词矩阵，如核心词、同义词、学术术语、上下位词，以及对应的英文表达。请围绕【我的研究主题/关键词】，检索近5年发表的高被引的中英文文献，优先选择顶刊综述/论文。

智能AI让学术科研更容易 277

推荐系列论文二：Deep Walk

DeepWalk: Online Learning of Social Representations 本系列分享论文的第二篇是DeepWalk，下面从头开始一起读一下这篇论文。 什么是DeepWalk？ 用论文中的话来说:“DeepWalk takes a graph as input and produces a latent representation as an output.”。也就...

JustForFun的博客 2344

运动想象 (MI) 分类学习系列 (19) : EEG-TransNet

本文提出了一种基于注意力机制的卷积神经网络(EEG-TransNet)，用于运动想象脑电图(MI-EEG)解码。该方法创新性地通过平均池化和方差池化提取多模态时间信息，并结合自注意力模块捕获长期依赖关系。消融实验表明，方差池化比最大池化更有效（p<0.05），且注意力模块和卷积编码器对特征判别性至关重要。可视化分析验证了该方法能学习到更具判别性的紧凑特征。该工作为MI-EEG解码提供了新的多尺度时间信息融合视角，代码已开源。

走在深度学习前沿的小宋 358

Sigrity Power Tree如何进行直流压降仿真分析操作指导

Sigrity Power Tree模式可以用于前仿真，在没有layout文件的情况下对电源进行直流压降仿真分析，用于评估原理图设计以及器件选型是否合理。Model：设置为Equal Current，设置为等电源模型，意思该负载每个电源pin都是等电流的。Current：设置每个负载的电流，U30为3A,U3-U6各为1A。Nominal Current：设置能够承载的最大电流，设置为10A。Upper/ Lower Tol：设置为压降范围为5%Output Current：设置输出电流为10A。

weixin_54787054的博客 732

知识图谱实战系列(Python版)

知识图谱实战系列课程旨在帮助同学们快速掌握知识图谱领域核心技术，基于Python各大开源技术实现知识图谱核心应用。通俗讲解核心技术点及其应用领域，全程实战演示如何构建知识图谱生态中各项核心技术。

RockChip Android14 修改LCD背光最大值

在调试LCD屏时时长会出现硬件不匹配，导致电流过大，屏幕发热严重。在不调整硬件的情况下，我们可以通过修改软件，降低LCD背光最大值来实现适配。我们都知道LCD屏背光是靠pwm来控制，一般来说最大值可以设置为255，针对上述问题，我们可以通过软件来降低该值，比如200，100等等。

qq_34968572的博客 631

如何运用deepwalk进行图嵌入，写出python代码

DeepWalk是一种用于学习图嵌入的方法，它可以将图中的节点表示为低维的向量。 要运用DeepWalk进行图嵌入，需要安装Gensim库。 首先，需要准备一个无向图的邻接矩阵作为输入。然后，使用Gensim中的Word2Vec模型，将图的每个节点看作是一个单词，并使用节点的出边作为上下文。 接下来，可以使用Word2Vec模型的训练方法来训练模型。最后，使用Word2Vec模型的wv属性可以获取...

weixin_35750953的博客 638

基于GELAN模块的YOLOv8改进-C2f结构替换与轻量化与高效涨点优化研究

本文详细探讨了在YOLOv8架构中利用YOLOv9的GELAN模块替换C2f结构的改进方法。轻量化版本在资源受限的场景中具有显著的推理效率提升，适用于边缘设备和移动端应用。高效涨点版本则在检测精度上实现了大幅突破，特别适合高精度要求的任务。实验结果显示，GELAN模块相比原C2f模块，在参数量与计算量间取得了更好的平衡，同时提升了检测性能。此外，本文还展示了结构图、训练代码和部署优化方案，为研究者和开发者提供了实践参考。

博客 1437

Camera2Demo

在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作

DeepWalk算法（个人理解）

DeepWalk 什么是网络嵌入 将网络中的点用一个低维的向量表示，并且这些向量要能反应原先网络的某些特性。 一种网络嵌入的方法叫DeepWalk，它的输入是一张图或者网络，输出为网络中顶点的向量表示。DeepWalk通过截断随机游走(truncated random walk)学习出一个网络的社会表示(social representation)，在网络标注顶点很少的情况也能得到比较好的效果。并且该方法还具有可扩展的优点，能够适应网络的变化。 learn social representations

gsq0854的博客 4549

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

【Graph Embedding】: SDNE算法

论文“Structural Deep Network Embedding”发表在kdd2016 论文下载地址：https://www.kdd.org/kdd2016/papers/files/rfp0191-wangAemb.pdf 论文利用深度自编码器来学习图中节点的embedding向量，结合一阶和二阶相似度进行联合训练，将二阶相似度作为无监督信息，捕获全局网络结构信息，一阶相似度作为有监...

快来学习鸭～～～ 1935

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

图表示学习Graph Embedding：DeepWalk python实现

https://github.com/AI-luyuan/graph-embedding

明远 1万+

网络表达学习系列（一）：深度游走（Deepwalk）

DeepWalk: Online Learning of Social Representations，KDD' 14 阅读更多，欢迎关注公众号：论文收割机（paper_reader） 原文链接：网络表达学习系列（一）：深度游走（Deepwalk） 这次我们准备的主题是关于最近很火的主题：网络表达学习（Network Representation Learning），或者称之为网络嵌入（N...

paper_reader的博客 8154

对DeepWalk的理解

DeepWalk的理解 如今我们都处于大数据时代，同时我们也身处于各个网络当中，列如通信网络，交通网络等等。我们如何将网络中的信息用我们计算机能懂的方式展现出来，这就是网络表示。而deepwalk主要是用来表示网络的一种方式，让网络能够方便我们的模型进行学习。类似的方法还有很多比如line，node2vec等等 Deepwalk的主要算法 如以上图片所示，deepwalk主要是利用了自己的随机游走的方法在与word2vec中的skip-gram方法相结合，而skip-gram是2013年的word2ve

qq_42618228的博客 2636

大致了解一下DeepWalk

大致了解一下DeepWalk讲到DeepWalk，不得不说的Word2VecCBOW模型CBOW模型的理解CBOW模型流程举例Skip-Gram模型模型假任务模型细节隐层输出层直觉下一步一些常用的trick词组降采样常用词采样率Negative Sampling选择 negative samplesDeepWalk步骤相关算法 转载于各位大佬： word2vec算法： https://blog.c...

天灵灵地灵灵雨灵灵的博客 6362

deepwalk详解

1. 算法思想 源于word2vec,word2vec通过语料库中的句子序列来描述词与词的共现关系，进而学习到词语的向量表示。deepwalk则使用图中节点与节点的共现关系来学习节点的向量表示。这种借鉴的前提是点在图中的分布和词在句子中的分布都是幂律分布。 2. 随机游走 第2步是构建Hierarchical Softmax，第3步对每个节点做γ次随机游走，第4步打乱网络中的节点，可以加快随机梯度下降的速。第5步以每个节点为根节点生成长度为t的随机游走，第7步根据生成的随机游走使用skip-gram模型利

weixin_47879720的博客 6221

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...

manmanxiaowugun的博客 6400

渣渣的deepwalk之旅——win10下deepwalk配置和运行

渣渣的deepwalk之旅刚开始学习网络表示学习，看完《Deepwalk Online learning of social representations》后，打算去github上下载源码并自己测试，实现deepwalk算法，结果就开始漫长的修正bug之路： 对deepwalk论文的理解 源码和数据集 各种库函数安装失败（scipy和gensim） 成功运行 对deepwalk论文的理解 《D

扣扣biubiubiu~ 8464

DeepWalk代码解释

代码运行 对给定的图数据集生成节点的embedding： 先对图中的节点进行随机游走 再将随机游走的路径作为Word2Vec的输入，生成节点的embedding 执行代码如下： python __main__.py --input ../example_graphs/karate.adjlist --output ../example_graphs/karate.embeddings pyt...

Firmiana1220的博客 5929

DeepWalk阅读笔记

Some Explanation：Online Algorithm：In Computer Science, anonline algorithmis one that can process its input piece-by-piece in a serial fashion, i.e., in the order that the input is fed to the algorit...

weixin_39915444的博客 2万+
上一篇： deepwalk源码解读6: graph.py
下一篇： deepwalk源码解读8: scoring.py
点赞 0
评论 7
书签 书签 0
相国大人
相国大人
博客等级 码龄10年 1009粉丝 132原创
+ 关注 专栏目录 订阅专栏
评论 7
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值