暑期项目实训7.16 论文复现

        弄懂了struc2vec算法：

        首先要知道该算法会生成一个k层的完全图，用来最后的时候在图上行走得到点序列作为上下文进行聚类。

        1.首先根据节点的结构相似性，反映在k步内邻居节点信息上，求出，作为第k层u点和v点之间的相似度。

                                                     

                                        

 

                                           

 

        2.构造多层的带权有向图 M，就是上面提到的k层完全图，其中每层都是带权无向图，层与层之间是有向的，作为一会儿获得上下文的基础。

        3.在M中随机游走，构造上下文序列，这个随机是根据权值确定的，权值是根据第一步中的相似度获得的。

        4.用word2vec算法中给的skip-gram训练序列，得到每个节点的表示，从而达到图嵌入的效果。

        在经过图嵌入后得到X三维张量，X第一维为6，然后送入6个DARNN中的encoder中特征提取。同时将输出的隐藏层状态连同VG图上计算的CI一同输入进6个decoder中，作为输出。

        最近就是用代码实现了上述的几个部分。