deepwalk效果很差（deepwalk effect is poor）

[xiongshuai520]

我使用这个作者提供的网络嵌入代码做实验，花了将近一个月的时间，都没有出效果，都快崩溃了。检查了无数次自己的算法是否有问题，最后才发现是这个作者提供的deepwalk代码有问题，大家如果是要用deepwalk，请使用https://github.com/phanein/deepwalk

I experimented with the embedding code provided by this author, and it took me nearly a month, and it didn't work, and I almost crashed. When I checked my algorithm for a number of times, I finally found that there was a problem with the deepwalk code provided by this author. If you want to use deepwalk, please use https://github.com/phanein/deepwalk.

[shenweichen]

您好～ 目前deepwalk已知问题是对于独立点会存在将自身作为邻居顶点进行采样的问题，这是由于networkx的邻居获取机制导致的。不知您说的是否是这个问题？如果不是这个问题，麻烦指出具体的问题帮助我们进行改进。

[xiongshuai520]

您好～ 目前deepwalk已知问题是对于独立点会存在将自身作为邻居顶点进行采样的问题，这是由于networkx的邻居获取机制导致的。不知您说的是否是这个问题？如果不是这个问题，麻烦指出具体的问题帮助我们进行改进。

我所做的研究中不存在孤立点的情况，所以应该不是你说的独立点重复采样的问题。为了回答你的问题，我做了如下实验，以最经典的karate网络为例（34个节点，不存在孤立点），我使用你提供的deepwalk代码和https://github.com/phanein/deepwalk 提供的代码，在相同参数的情况下（--max-memory-data-size 0 --number-walks 80 --representation-size 17 --walk-length 40 --window-size 10 --workers 1），取100次嵌入结果的平均值对每一个向量做比较，结果如下（从节点1到节点34，使用余弦相似度，调用python函数from sklearn.metrics.pairwise import cosine_similarity）： [0.4607906639208839], [0.14583083343027428], [0.10433700876067258], [0.10585915864593479], [0.29468624241130204], [0.31663012161867626], [0.1933105854441737], [0.3956301179280702], [0.38898165971535015], [0.1936263987721945], [0.3334481587066986], [0.08787716564314624], [0.2703404869330344], [0.5218187333875279], [0.244416501827768], [0.25748774755185555], [0.32319160785761236], [0.009651753567593884], [0.11258320489373647], [0.22947905518395237], [0.23214729423499547], [0.053709737355217675], [0.09656930378263275], [0.08120878398645703], [0.6030732143152714], [0.3215139532708406], [0.011497123270551716], [0.1388385320114997], [0.43689806198566505], [0.04997083306023275], [0.06674077466730642], [0.1447796439960975], [0.22911076195231844], [0.17835644390391345]] 这个差别是巨大的，因为同样的思想写的代码是不可能有如此大的差异的，深入研究后发现是你的代码得到的嵌入向量有问题（我做了聚类，因为涉及到所写paper的研究内容，就不展开了）。 综上所述，我的整个发现问题的过程就是这样，具体代码我没有去查看，你可以重复一下我上述的实验。对比https://github.com/phanein/deepwalk和你的代码deepwalk出来的结果的差异性。 最后，我会关闭这个问题，因为我自己没有时间去解决，而且带了个人情绪去评论你所做的工作，很抱歉。

[DachuanZhao]

您好～ 目前deepwalk已知问题是对于独立点会存在将自身作为邻居顶点进行采样的问题，这是由于networkx的邻居获取机制导致的。不知您说的是否是这个问题？如果不是这个问题，麻烦指出具体的问题帮助我们进行改进。

我所做的研究中不存在孤立点的情况，所以应该不是你说的独立点重复采样的问题。为了回答你的问题，我做了如下实验，以最经典的karate网络为例（34个节点，不存在孤立点），我使用你提供的deepwalk代码和https://github.com/phanein/deepwalk 提供的代码，在相同参数的情况下（--max-memory-data-size 0 --number-walks 80 --representation-size 17 --walk-length 40 --window-size 10 --workers 1），取100次嵌入结果的平均值对每一个向量做比较，结果如下（从节点1到节点34，使用余弦相似度，调用python函数from sklearn.metrics.pairwise import cosine_similarity）： [0.4607906639208839], [0.14583083343027428], [0.10433700876067258], [0.10585915864593479], [0.29468624241130204], [0.31663012161867626], [0.1933105854441737], [0.3956301179280702], [0.38898165971535015], [0.1936263987721945], [0.3334481587066986], [0.08787716564314624], [0.2703404869330344], [0.5218187333875279], [0.244416501827768], [0.25748774755185555], [0.32319160785761236], [0.009651753567593884], [0.11258320489373647], [0.22947905518395237], [0.23214729423499547], [0.053709737355217675], [0.09656930378263275], [0.08120878398645703], [0.6030732143152714], [0.3215139532708406], [0.011497123270551716], [0.1388385320114997], [0.43689806198566505], [0.04997083306023275], [0.06674077466730642], [0.1447796439960975], [0.22911076195231844], [0.17835644390391345]] 这个差别是巨大的，因为同样的思想写的代码是不可能有如此大的差异的，深入研究后发现是你的代码得到的嵌入向量有问题（我做了聚类，因为涉及到所写paper的研究内容，就不展开了）。 综上所述，我的整个发现问题的过程就是这样，具体代码我没有去查看，你可以重复一下我上述的实验。对比https://github.com/phanein/deepwalk和你的代码deepwalk出来的结果的差异性。 最后，我会关闭这个问题，因为我自己没有时间去解决，而且带了个人情绪去评论你所做的工作，很抱歉。

我看了一下双方的代码，个人感觉deepctr的实现没啥问题，倒是你发的那个github可能会有问题。 问题所在是 ： folk出的子进程的random state可能不会是随机的 参考链接： https://joblib.readthedocs.io/en/latest/auto_examples/parallel_random_state.html#sphx-glr-download-auto-examples-parallel-random-state-py https://stackoverflow.com/questions/49847794/child-processes-generating-same-random-numbers-as-parent-process

deepctr用的是joblib的多进程，你提供的那个第三方用的是concurrent.futures.ProcessPoolExecutor的多进程，后者的random state可能会存在问题。 个人拙见，如有不对，欢迎拍砖。