SDNE(Graph Embedding)

pytorch Based, Structural Deep Network Embedding

修改部分

由于别人都是直接生成拉普拉斯矩阵和领结矩阵，但对于单机器而言，不适用于大规模图数据，因此对领结矩阵和拉普拉斯矩阵部分进行修改。

复现代码

python3 run.py 

参数设置

  -h, --help            show this help message and exit
  --batch_size N        input batch size for training (default: 1024)
  --epochs N            number of epochs to train (default: 5)
  --data S              which data (default: pid)
  -a N, --alpha N       Parameters that control the 1st order loss(default:
                        1e-5)
  -b N, --beta N        The parameters controlling the second-order loss have
                        higher penalty coefficients for non-zero
                        elements(default: 5)
  --v N                 Controls the parameters of the regularization
                        term(default: 1e-5)
  --lr N                Optimizer parameter(default: 1e-3)
  --method METHOD       Classify_method : node classify(n)/link(lp).(default:
                        n)
  -sf N, --sample_frac N
                        Test size
  --cuda                enables CUDA training(default: False)
  --seed S              random seed (default: 1)
  --mode S              The type of graph(default: Di)
  --save S              Whether or not to save(default: y)
  --train S             Train or predict(default: y)
  --module N            Which model to choose(default: SDNE)
  --log-interval N      how many batches to wait before logging training
                        status(default: 1024)

原始数据

参数：

• 数据集：wiki
• epoch：5/10/20/50
• 其他参数均一样

	base_epoch5	base_epoch10	base_epoch20	base_epoch50	rec_epoch5	rec_epoch10	rec_epoch20	rec_epoch50
micro_f1	0.4137	0.4927	0.6216	0.5717	0.5841	0.6267	0.7190	0.7072
macro_f2	0.2788	0.3417	0.4479	0.4187	0.3640	0.4208	0.5154	0.5510

小点分析：重构代码效果正常，增加了正则化损失在该数据集更有用