GraphSage 代码阅读笔记
发布时间
阅读量：
阅读量
relation也就是边 没有embedding
在supervised_train.py中使用了基于节点分类的label来进行损失训练，并且不生成任何嵌入层。
注：改写说明
该代码基于图中各节点及其邻接关系进行损失计算，并通过这一过程生成表示数据。经过训练后能够生成每个节点对应的嵌入表示，并通过特定迭代器实现批量处理功能。
在NodeMinibatchIterator的__init__方法最后加上
train_node_set = set(self.train_nodes)
valid_node_set = set(self.val_nodes)
print("train_node_set size", len(train_node_set))
print("valid_node_set size", len(valid_node_set))
print("train_node_set valid_node_set intersect size",len(train_node_set.intersection(valid_node_set)))打印结果
train_node_set size 9716
valid_node_set size 1825
train_node_set valid_node_set intersect size 0在EdgeMinibatchIterator的__init__方法最后加上
train_edge_set = set(self.train_edges)
valid_edge_set = set(self.val_edges)
print("train_edge_set size", len(train_edge_set))
print("valid_edge_set size", len(valid_edge_set))
print("train_edge_set valid_edge_set intersect size", len(train_edge_set.intersection(valid_edge_set)))打印结果
train_edge_set size 1336764
valid_edge_set size 75407
train_edge_set valid_edge_set intersect size 0在EdgeMinibatchIterator的__init__方法最后改成
train_nodes = [n for n in G.nodes() if not G.node[n]['test'] and not G.node[n]['val']]
print(len(train_nodes), 'train nodes')
test_nodes = [n for n in G.nodes() if G.node[n]['test'] or G.node[n]['val']]
print(len(test_nodes), 'test nodes')
print("train test node intersect number", len(set(test_nodes).intersection(set(train_nodes))))打印结果
9716 train nodes
5039 test nodes
train test node intersect number 0总结
初始化每个节点的初始嵌入表示是基于Glove等词向量方法获得的；
该模型通过提取训练数据中各节点之间的关联网络特征；
这些关联网络特征能够推广到测试数据集上；
当训练集与验证集完全不重叠时，
从而为未见测试样本生成最终嵌入表示。
全部评论 (0)
还没有任何评论哟~