Java 类名：com.alibaba.alink.operator.batch.graph.DeepWalkBatchOp
Python 类名：DeepWalkBatchOp

功能介绍

DeepWalk是2014年提出的一个新的方法，用来为网络中的结点学习隐式特征表达，即将网络中的每一个点表示成连续特征空间中的一个点向量。DeepWalk是无监督特征学习方法，利用随机游走(Random Walk)及语言模型(Language modeling)，学习出的隐式特征能够捕捉到网络的结构信息。后续论文也提出了一些扩展，如结合损失函数进行有监督学习、结合文本信息等等
DeepWalk: Online Learning of Social Representations

参数说明

| 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 | | —- | —- | —- | —- | —- | —- | —- |

| sourceCol | 起始点列名 | 用来指定起始点列 | String | ✓ | | |

| targetCol | 中止点点列名 | 用来指定中止点列 | String | ✓ | | |

| walkLength | 游走的长度 | 随机游走完向量的长度 | Integer | ✓ | | |

| walkNum | 路径数目 | 每一个起始点游走出多少条路径 | Integer | ✓ | | |

| alpha | 学习率 | 学习率 | Double | | | 0.025 |

| batchSize | batch大小 | batch大小, 按行计算 | Integer | | [1, +inf) | |

| isToUndigraph | 是否转无向图 | 选为true时，会将当前图转成无向图，然后再游走 | Boolean | | | false |

| minCount | 最小词频 | 最小词频 | Integer | | | 5 |

| negative | 负采样大小 | 负采样大小 | Integer | | | 5 |

| numIter | 迭代次数 | 迭代次数，默认为1。 | Integer | | | 1 |

| randomWindow | 是否使用随机窗口 | 是否使用随机窗口，默认使用 | String | | | “true” |

| vectorSize | embedding的向量长度 | embedding的向量长度 | Integer | | [1, +inf) | 100 |

| weightCol | 权重列名 | 权重列对应的列名 | String | | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | null |

| window | 窗口大小 | 窗口大小 | Integer | | | 5 |

代码示例

Python 代码

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df = pd.DataFrame([
  8.     ["Bob", "Lucy", 1.],
  9.     ["Lucy", "Bob", 1.],
  10.     ["Lucy", "Bella", 1.],
  11.     ["Bella", "Lucy", 1.],
  12.     ["Alice", "Lisa", 1.],
  13.     ["Lisa", "Alice", 1.],
  14.     ["Lisa", "Karry", 1.],
  15.     ["Karry", "Lisa", 1.],
  16.     ["Karry", "Bella", 1.],
  17.     ["Bella", "Karry", 1.]
  18. ])
  19. source = BatchOperator.fromDataframe(df, schemaStr="start string, end string, value double")
  21. deepWalkBatchOp = DeepWalkBatchOp() \
  22.   .setSourceCol("start")            \
  23.   .setTargetCol("end")              \
  24.   .setWeightCol("value")            \
  25.   .setWalkNum(2)                    \
  26.   .setWalkLength(2)                 \
  27.   .setMinCount(1)                   \
  28.   .setVectorSize(4)
  29. deepWalkBatchOp.linkFrom(source).print()

运行结果

| node | vec | | —- | —- |

| Karry | 0.03438692167401314,-0.04779096320271492,0.012648836709558964,-0.09576538950204849 |

| Lisa | 0.11595723778009415,-0.08507091552019119,0.1099027618765831,0.013517010025680065 |

| Bella | 0.05783883109688759,0.08286115527153015,-0.06497485190629959,0.026532595977187157 |

| Alice | 0.05775630846619606,-0.099935382604599,-0.022451162338256836,-0.023144230246543884 |

| Lucy | 0.11699658632278442,0.05271214246749878,-0.12347490340471268,-0.08684996515512466 |

| Bob | -0.07306862622499466,-0.11596906185150146,-0.04183155298233032,0.03973118215799332 |