网络表示学习框架OpenNE的搭建与调试

• OpenNE的简单介绍

  OpenNE，是清华大学计算机科学与技术系的研究人员在 GitHub 上发布的基于网络表示学习（NE/NRL） 的训练和测试框架 ，其中统一了 NE 模型输入/输出/评测接口，并且修订和复现了目前比较经典的网络表征学习模型”。
  传统的节点表示方式是采用向量的形式，整个社交网络的表示是以邻接矩阵的方式表示的，显然邻接矩阵都很稀疏，而且维数很大。所以为了解决这些传统网络带来的问题，Network enmbedding应运而生，它主要是从社交网络中的节点以一个低纬度的向量形式进行表达。
  其中在2014年提出的DeepWalk算法，第一次将文字中中的向量表示方式应用到离散的社交网络图中，2016年出现的Node2vec模型是在DeepWalk的基础之上进行了随机游走策略的改进，实现了深度优先和广度优先搜索策略的一种平衡。2015年提出的LINE算法结合了一阶相似度和二阶相似度，进行了社区发现。
  OpenNE实现和修改的模型包括DeepWalk、LINE、node2vec、GraRep、TADW 和 GCN，后续还将根据已公布的NRL 论文持续实现更多有代表性的NE模型。
  接下来，我们言归正传，开始OpenNE框架的搭建与测试。

• OpenNE框架的搭建与调试

• OpenNE代码下载
  首先打开github官方网站，搜索OpenNE，点击排名第一个的链接
  https://github.com/thunlp/OpenNE
  点击“Download Zip”，下载到常用的工作区文件夹中并解压
  

• 搭建运行环境
  解压之后的项目目录情况如下，解释一下：这里项目名称是OpenNE-master1（我自己改名字了，原来是OpenNE-master），也就是项目的主目录；下面有data文件夹，包含的是4个数据集；src文件夹，包含openne文件夹和一些.py文件，其中主要的__main__.py文件就在openne文件夹下面；首先我们肯定最先想要做的就是运行__main__.py文件，要在cmd命令框中进入到OpenNE-master目录下，输入python main.py命令。