Metapath2vec 的python简单实现

最新推荐文章于 2024-08-18 12:47:37 发布

原创

最新推荐文章于 2024-08-18 12:47:37 发布 · 3.2k 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#数据挖掘 #pytorch #深度学习 #机器学习

本文介绍了一个在GitHub上的Metapath2vec Python实现，利用三张图结构（paper-coauthor-paper, paper-cotitle-paper, paper-covenue-paper）和不同类型的metapath，如coauthor-cotitle-coauthor-cotitle。通过这种方式，生成正负样本对，应用于skip-gram模型的ui, uc, uj组件。最后，得到的节点embedding可用于下游任务。" 124889181,10076860,PHP实现微信小程序图片上传至服务器教程,"['PHP', '微信小程序', '文件上传']

本文在github上:https://github.com/Mrxiahelong/Unsupervised-Author-Disambiguation/实现

这里我们使用三张图结构分别是paper-coauhor-paper,paper-cotitle-paper,paper-covenue-paper，也就是结点类型一种，边类型三种，我们的metapath类型为coauthor-cotitle-coauthor-cotitle.

def positive_sampler(path):
    '''
        对每一条path建立一个window大小的滑动窗口，
        例如 0 1 2 3 4，window大小为2，则返回 pos_u=[0,0,1,1,1.....],pos_v=[1,2,0,2,3....]
    '''
    pos_u,pos_v=[],[]
    for i in range(len(path)):
        if len(path)==1:
            continue
        u=path[i]
        v=np.concatenate([path[max(i-window,0):i],path[i+1:i+window+1]],axis=0)
        pos_u.extend([u]*len(v))
        pos_v.extend(v)
    return pos_u,pos_v    
def get_negative_ratio(metapath):
    '''
    对所有结点根据出现频率建立negative_rat