Splitter 项目使用教程

1. 项目目录结构及介绍

Splitter/
├── input/
│   └── chameleon_edges.csv
├── output/
├── src/
│   ├── main.py
│   ├── ...
├── LICENSE
├── README.md
├── splitter.gif
├── splitter.jpg
├── www2019splitter.pdf

• input/: 存放输入数据，如边列表文件。
• output/: 存放输出数据，如生成的嵌入文件。
• src/: 包含项目的源代码，主要逻辑和启动文件。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的介绍和使用说明。
• splitter.gif 和 splitter.jpg: 项目相关的图片文件。
• www2019splitter.pdf: 项目的论文文件。

2. 项目启动文件介绍

src/main.py

main.py 是项目的启动文件，负责初始化模型、加载数据、训练模型以及保存结果。以下是该文件的主要功能：

• 加载数据: 从 input/ 目录中加载边列表数据。
• 模型训练: 使用加载的数据训练 Splitter 模型。
• 保存结果: 将生成的嵌入和 persona 映射保存到 output/ 目录。

启动命令示例

python src/main.py

可以通过命令行参数调整模型的训练参数，例如：

python src/main.py --dimensions 32 --number-of-walks 20 --walk-length 80

3. 项目的配置文件介绍

项目没有单独的配置文件，所有的配置参数都通过命令行参数传递。以下是一些常用的配置参数：

• --edge-path: 边列表文件的路径，默认为 input/chameleon_edges.csv。
• --embedding-output-path: 嵌入输出文件的路径，默认为 output/chameleon_embedding.csv。
• --persona-output-path: Persona 映射输出文件的路径，默认为 output/chameleon_personas.json。
• --seed: 随机种子，默认为 42。
• --number-of-walks: 每个节点的随机游走次数，默认为 10。
• --window-size: Skip-gram 窗口大小，默认为 5。
• --negative-samples: 负样本数量，默认为 5。
• --walk-length: 随机游走长度，默认为 40。
• --lambd: 正则化参数，默认为 0.1。
• --dimensions: 嵌入维度，默认为 128。
• --workers: 用于预训练的核心数，默认为 4。
• --learning-rate: SGD 学习率，默认为 0.025。

通过这些参数，用户可以根据具体需求调整模型的训练过程。