1.介紹

    傳統的網路挖掘方法，一般都是先將網路轉化成鄰接矩陣，然後再用機器學習的模型從而完成網路挖掘任務，比如社群檢測、連結預測、離群點檢測等等。然而這樣的話，鄰接矩陣通常都很稀疏，且維數很大。

    Network Embedding是近幾年比較火的領域，發展迅猛。它主要是從網路中學到隱式的表達矩陣，使得網路重要的資訊能夠被包含在一個新的相對低維的空間向量中，之後再對這個隱式表達矩陣採用機器學習的演算法，從而能夠更好的完成網路挖掘任務。

    NLP的迅速發展也促進了網路挖掘方法的發展，其中NLP中著名的word2vec模型也被應用於網路表示學習，由此開創新性的提出了DeepWalk方法（隨機遊走+skip-gram）。之後，LINE和node2vec被提出用於改進DeepWalk，但是值得注意的是，這幾種方法都是針對同質網路（即網路中節點型別和連結型別都只有一種

    在瞭解了網路表示學習之後，我們想做的就是可以馬上上手這些方法，所以感謝那些勇於奉獻的大神們，在此膜拜！清華大學電腦科學與技術系的研究人員開源了一款NE/NRL訓練和測試框架——OpenNE，旨在幫助開發者對NE/NRL（Network Representation Learning，網路表示學習）開展相關的實驗和研究。

    OpenNE統一了不同NE模型輸入和輸出介面，併為每個模型提供可擴充套件選擇。此外，還基於TensorFlow實現了經典NE模型，使得這些模型可以用GPU進行訓練。

    OpenNE實現和修改的模型包括DeepWalk、LINE、node2vec、GraRep、TADW 和 GCN，後續還將根據已公佈的NRL 論文持續實現更多有代表性的NE模型。

    所以，踩在巨人的肩膀上做事情可以讓我們學到更多。接下來就是下載這個框架，並且部署實現一下吧，萬事開頭難，一起來攻克它吧！

2.搭建框架

2.1下載程式碼

    首先，在github官網中搜索OpenNE，第一個結果就是我們需要的，點選之後，根據下圖下載，下載之後解壓，放到常用的工作空間（即各種專案的資料夾）中。

2.2環境說明

    我的電腦是win10系統，由於下載的程式碼中用到的python版本是2.7的（print語句輸出不帶括號），並且程式碼中用到了tensorflow，而windows64位作業系統如果想使用tensorflow，要求python版本至少是3.5。所以面臨一個問題，如果繼續用windows作業系統的話，用高版本的python時程式碼執行出錯，用低版本的python時tensorflow無法使用。==，但是我還不想換linux系統，所以這裡是通過修改下載的程式碼來暫時解決這個問題的（如果你也面臨同樣的困擾，當然，linux系統應該就不用考慮這些了），修改方法就是將程式碼中的print都加上括號，工作量不是很大，相信細心的你們可以完成~

    基本的安裝我這裡就不詳細介紹了（確保安裝了python3.5或3.6、pip），想要省事的話直接安裝一個anaconda，網上有很多教程，簡單易用。（Anaconda是一個用於科學計算的Python發行版，支援 Linux, Mac, Windows系統，提供了包管理與環境管理的功能，可以很方便地解決多版本python並存、切換以及各種第三方包安裝問題。Anaconda利用工具/命令conda來進行package和environment的管理，並且已經包含了Python和相關的配套工具。）

2.3執行框架

在eclipse或者Pycharm等開發工具中匯入該專案，目錄結構如下：

開始你可能並不知道怎麼使用，沒關係，直接執行一下main.py，可能會遇到的錯誤如下：

（1）print 錯誤（高版本python輸出需要加上小括號）

解決辦法：print（）輸出引數加上括號。

（2）模組缺失

如果缺失一些包會有錯誤提示No module named ‘***’，***可能是tensorflow、numpy、sklearn等模組，

解決辦法：win+R開啟命令列輸入（確保已經安裝了pip命令）：

pip install ***     （***是錯誤中提示的模組）

或者如果安裝了anaconda，可以開啟Anaconda Prompt輸入：

conda install ***   （也可以是pip install ***）

（3）import錯誤

    這個bug困擾了我一下午，報錯是No module named ‘***’，***是框架中已經存在的模組，各種百度都試過了，但都有問題，最後我使用了一個笨拙但是有效的方法，在模組前面加上了上級包名。

解決辦法：import  libnrl.walker

（4）執行時缺少必要引數

當出現上圖錯誤時，表示程式已經沒有大毛病了，只是執行時缺少輸入引數，這個可以通過命令列執行來解決

解決辦法：通過閱讀OpenNE-master中README.md檔案可以找到幾個簡單的示例，告訴我們怎麼使用這些方法

由於第二個core資料集較小，執行時間短，所以在這裡執行這個示例程式。

開啟命令列進入到專案所在的資料夾，執行下面程式碼

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

然後就是等待，過個半分鐘左右就出現下圖結果

到此，只是把程式碼跑通了而已，具體怎麼實現還需要仔細的去除錯，萬事開頭難，跑通了之後才有繼續下去的動力呢，大家加油吧~