8. deepwalk (DeepWalk: Online Learning of Social Representations)¶

代码请参考：Deepwalk如果我们的代码对您有用，还请点个star啊~

8.1. 内容¶

模型简介
数据准备
运行环境
快速开始
模型组网
效果复现
进阶使用
FAQ

8.2. 模型简介¶

Deepwalk是一个用于图形表征学习的算法。它的目的是图嵌入，和词嵌入一样，图嵌入所做的工作就是将构成图的基本单位-节点-映射到一个向量空间中，使向量空间中的嵌入的每个节点与其在图中的相互关系基本一致。给定任何图，它可以学习节点的连续特征表示，然后可以用于各种下游机器学习任务。基于PGL，我们实现deepwalk算法，并在multi-label classification任务上达到了与论文相同的指标水平。

8.3. 数据准备¶

BlogCatalog数据集是一个社会关系网络，图是由博主及其社会关系（比如好友）组成，标签是博主的兴趣爱好。本数据集已内置在PGL中。

8.4. 运行环境¶

PaddlePaddle>=2.0

python 2.7/3.5/3.6/3.7

pgl>=2.0

注意：本模型需要安装pgl才能正常运行,安装方式：

pip install pgl

os : windows/linux/macos

8.5. 快速开始¶

本文提供了样例数据可以供您快速体验，在任意目录下均可执行。在deepwalk模型目录的快速执行命令如下：

# 进入模型目录
# cd models/recall/deepwalk # 在任意目录均可运行
# 下游机器学习任务
cd  multi_class
# 静态图训练
python -u ../../../../tools/static_trainer.py -m config.yaml # 全量数据运行config_bigdata.yaml 
# 静态图预测
python -u ../../../../tools/static_infer.py -m config.yaml
# 计算 MacroF1
python macrof1.py

8.6. 模型组网¶

Bryan Perozzi在论文DeepWalk: Online Learning of Social Representations提出了Deepwalk并给出基本的结构。如下图是原文中对于自己算法的描述：

8.7. 效果复现¶

为了方便使用者能够快速的跑通每一个模型，我们在每个模型下都提供了样例数据。如果需要复现readme中的效果,请按如下步骤依次操作即可。我们基于开源情感倾向分类数据集ChnSentiCorp进行评测，模型在测试集上的准确率如表所示：

模型	MacroF1	batch_size	epoch_num	Time of each epoch
Deepwalk	0.295	512	1	约2小时

确认您当前所在目录为models/recall/deepwalk
进入deepwalk_train训练图嵌入

cd deepwalk_train
python -u ../../../../tools/static_trainer.py -m config_bigdata.yaml
cd ..

进入multi_class,进行下游任务训练

cd  multi_class
# 静态图训练
python -u ../../../../tools/static_trainer.py -m config_bigdata.yaml 
python -u ../../../../tools/static_infer.py -m config_bigdata.yaml
# 计算 MacroF1
python macrof1.py