GraphWaveMachine 项目教程
2024-09-24 08:04:56作者:裘旻烁
GraphWaveMachine
A scalable implementation of "Learning Structural Node Embeddings Via Diffusion Wavelets (KDD 2018)".
1. 项目的目录结构及介绍
GraphWaveMachine/
├── data/
│ └── food_edges.csv
├── output/
├── src/
│ ├── __init__.py
│ ├── graphwave.py
│ └── main.py
├── LICENSE
├── README.md
└── graphwave.png
- data/: 存放输入数据文件的目录,默认包含一个示例数据文件
food_edges.csv
。 - output/: 存放输出结果的目录。
- src/: 项目的主要代码目录,包含以下文件:
__init__.py
: 初始化文件。graphwave.py
: 实现 GraphWave 算法的核心代码。main.py
: 项目的启动文件,负责处理命令行参数并调用 GraphWave 算法。
- LICENSE: 项目的许可证文件,采用 GPL-3.0 许可证。
- README.md: 项目的说明文档。
- graphwave.png: 项目相关的图片文件。
2. 项目的启动文件介绍
src/main.py
main.py
是项目的启动文件,负责处理命令行参数并调用 GraphWave 算法。以下是该文件的主要功能:
- 命令行参数解析: 通过
argparse
模块解析用户输入的命令行参数,包括输入数据文件路径、输出文件路径、算法参数等。 - 数据加载: 从指定的输入文件中加载图数据。
- GraphWave 算法调用: 调用
graphwave.py
中的GraphWave
类,执行节点嵌入计算。 - 结果保存: 将计算得到的节点嵌入结果保存到指定的输出文件中。
使用示例
$ python src/main.py --input data/food_edges.csv --output output/embedding.csv
该命令将使用默认参数对 data/food_edges.csv
中的图数据进行节点嵌入计算,并将结果保存到 output/embedding.csv
文件中。
3. 项目的配置文件介绍
GraphWaveMachine 项目没有传统的配置文件(如 .ini
或 .yaml
文件),而是通过命令行参数来配置算法的运行参数。以下是主要的命令行参数及其默认值:
--input STR
: 输入数据文件路径,默认值为data/food_edges.csv
。--output STR
: 输出结果文件路径,默认值为output/embedding.csv
。--mechanism STR
: 波形生成方法,默认值为exact
。--heat-coefficient FLOAT
: 热核系数,默认值为1000.0
。--sample-number INT
: 特征函数采样数量,默认值为50
。--approximation INT
: Chebyshev 多项式的阶数,默认值为100
。--step-size INT
: 采样步长,默认值为20
。--switch INT
: 当图的大小超过此值时,算法切换到近似模式,默认值为100
。
配置示例
$ python src/main.py --input data/company_edges.csv --output output/company_embedding.csv --sample-number 128
该命令将使用 data/company_edges.csv
作为输入数据,计算 128 维的节点嵌入,并将结果保存到 output/company_embedding.csv
文件中。
GraphWaveMachine
A scalable implementation of "Learning Structural Node Embeddings Via Diffusion Wavelets (KDD 2018)".
热门项目推荐
相关项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6690
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript76.1 K19.07 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.51 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
热门内容推荐
展开
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
10
4
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K