为了方便大家对网络表示学习（NE/NRL）开展相关的实验或研究，清华大学计算机科学与技术系的研究人员在 GitHub 上发布了 NE/NRL 训练和测试框架 OpenNE，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。该项目还在持续开发中，作者还提供了与未扩展模型的比较结果。
项目链接：https://github.com/thunlp/OpenNE
本项目是一个标准的 NE/NRL（Network Representation Learning，网络表征学习）训练和测试框架。在这个框架中，我们统一了不同 NE 模型输入和输出接口，并为每个模型提供可扩展选项。此外，我们还在这个框架中用 TensorFlow 实现了经典 NE 模型，使这些模型可以用 GPU 训练。
我们根据 DeepWalk 的设置开发了这个工具包, 实现和修改的模型包括 DeepWalk、LINE、node2vec、GraRep、TADW 和 GCN。我们还将根据已公布的 NRL 论文发表持续实现更多有代表性的 NE 模型。特别地，我们欢迎其他研究者在该框架中构建 NE 模型到这个工具包中，也会公布项目中的贡献内容。
配置需求
- numpy==1.13.1
- networkx==2.0
- scipy==0.19.1
- tensorflow==1.3.0
- gensim==3.0.1
- scikit-learn==0.19.0
使用
通用选项
如果想查看其它可用的 OpenNE 选项，请输入以下命令：
python src/main.py --help
- input，一个网络的输入文件；
- graph-format，输入图的格式，类邻接表或边表；
- output，表征的输出文件；
- representation-size，用于学习每个节点的隐维数，默认为 128；
- method，NE 模型的学习方法，包括 deepwalk、line、node2vec、grarep、tadw 和 gcn；
- directed，将图转换为定向的；
- weighted，将图加权；
- label-file，节点标签的文件；只在测试时使用；
- clf-ratio，节点分类的训练数据的比例；默认值为 0.5；
- epochs，LINE 和 GCN 的训练 epoch 数；默认值为 5；
样例
在 BlogCatalog 网络上运行「node2vec」，评估多标签节点分类任务上的学习表征，并在这个项目的主目录上运行以下命令：
python src/main.py --method node2vec --label-file data/blogCatalog/bc_labels.txt --input data/blogCatalog/bc_adjlist.txt --graph-format adjlist --output vec_all.txt --q 0.25 --p 0.25
在 Cora 网络上运行「gcn」，并在多标签节点分类任务上评估学习表征，在这个项目的主目录上运行以下命令：
python src/main.py --method gcn --label-file data/cora/cora_labels.txt --input data/cora/cora_edgelist.txt --graph-format edgelist --feature-file data/cora/cora.features --epochs 200 --output vec_all.txt --clf-ratio 0.1
特定选项
DeepWalk 和 node2vec：
- number-walks，每个节点起始的随机行走数目；默认值为 10；
- walk-length，每个节点起始的随机行走步长；默认值为 80；
- workers，平行处理的数量；默认值为 8；
- window-size，skip-gram 模型的 window-size；默认值为 10；
- q，只用于 node2vec；默认值为 1.0；
- p，只用于 node2vec；默认值为 1.0；
LINE：
- negative-ratio，默认值为 5；
- order，1 为 1 阶模型，2 为 2 阶模型；默认值为 3；
- no-auto-stop，训练 LINE 时不使用早期停止法；训练 LINE 的时候，对每个 epoch 计算 micro-F1。如果当前的 micro-F1 小于上一个，训练过程将使用早期停止法；
GraRep：
- kstep，使用 k-step 转移概率矩阵（确保 representation-size%k-step == 0）；
TADW：
- lamb，lamb 是 TADW 中控制正则化项的权重的参数；
GCN：
- feature-file，节点特征的文件；
- epochs，GCN 的训练 epoch 数；默认值为 5；
- dropout，dropout 率；
- weight-decay，嵌入矩阵的 L2 损失的权重；
- hidden，第一个隐藏层的单元数量；
输入
支持的输入格式是边表（edgelist）或类邻接表（adjlist）：
edgelist: node1 node2 <weight_float, optional>
adjlist: node n1 n2 n3 ... nk
默认图为非定向、未加权。这些选项可以通过设置合适的 flag 进行修改。
如果该模型需要额外的特征，支持的特征输入格式如下（feature_i 指浮点）：
node feature_1 feature_2 ... feature_n
输出
带有 n 个节点的图的输入文件有 n+1 行。第一行的格式为：
num_of_nodes dim_of_representation
下面 n 行的格式为：
node_id dim1 dim2 ... dimd
其中，dim1, ... , dimd 是 OpenNE 学到的 d 维表示。
评估
如果你想评估学得的节点表征，你可以输入节点标签。它将使用一部分节点（默认：50%）来训练分类器，在剩余的数据集上计算 F1 得分。
支持的输入标签格式为：
node label1 label2 label3...
与其他实现进行对比
运行环境：CPU: Intel(R) Xeon(R) CPU E5-2620 v3 @ 2.40GHz
我们展示了在不同数据集上对不同方法的节点分类结果。我们将表征维度设置为 128，GraRep 中的 kstep=4，node2vec 中 p=1，q=1。
注意：GCN（半监督 NE 模型）和 TADW 需要额外的文本特征作为输入。因此，我们在 Cora 上评估这两个模型，Cora 的每个节点都有文本信息。我们使用 10% 的标注数据来训练 GCN。
BlogCatalog：10312 节点，333983 边缘，39 标签，非定向：
- data/blogCatalog/bc_adjlist.txt
- data/blogCatalog/bc_edgelist.txt
- data/blogCatalog/bc_labels.txt
Wiki：2405 节点，17981 边缘，19 标签，定向：
- data/wiki/Wiki_edgelist.txt
- data/wiki/Wiki_category.txt
cora：2708 节点，5429 边缘，7 标签，定向：
- data/cora/cora_edgelist.txt
- data/cora/cora.features
- data/cora/cora_labels.txt
引用
如果 OpenNE 对你的研究有用，请考虑引用以下论文：
@InProceedings{perozzi2014deepwalk,
Title = {Deepwalk: Online learning of social representations},
Author = {Perozzi, Bryan and Al-Rfou, Rami and Skiena, Steven},
Booktitle = {Proceedings of KDD},
Year = {2014},
Pages = {701--710}
}
@InProceedings{tang2015line,
Title = {Line: Large-scale information network embedding},
Author = {Tang, Jian and Qu, Meng and Wang, Mingzhe and Zhang, Ming and Yan, Jun and Mei, Qiaozhu},
Booktitle = {Proceedings of WWW},
Year = {2015},
Pages = {1067--1077}
}
@InProceedings{grover2016node2vec,
Title = {node2vec: Scalable feature learning for networks},
Author = {Grover, Aditya and Leskovec, Jure},
Booktitle = {Proceedings of KDD},
Year = {2016},
Pages = {855--864}
}
@article{kipf2016semi,
Title = {Semi-Supervised Classification with Graph Convolutional Networks},
Author = {Kipf, Thomas N and Welling, Max},
journal = {arXiv preprint arXiv:1609.02907},
Year = {2016}
}
@InProceedings{cao2015grarep,
Title = {Grarep: Learning graph representations with global structural information},
Author = {Cao, Shaosheng and Lu, Wei and Xu, Qiongkai},
Booktitle = {Proceedings of CIKM},
Year = {2015},
Pages = {891--900}
}
@InProceedings{yang2015network,
Title = {Network representation learning with rich text information},
Author = {Yang, Cheng and Liu, Zhiyuan and Zhao, Deli and Sun, Maosong and Chang, Edward},
Booktitle = {Proceedings of IJCAI},
Year = {2015}
}
@Article{tu2017network,
Title = {Network representation learning: an overview},
Author = {TU, Cunchao and YANG, Cheng and LIU, Zhiyuan and SUN, Maosong},
Journal = {SCIENTIA SINICA Informationis},
Volume = {47},
Number = {8},
Pages = {980--996},
Year = {2017}
}
