GNN笔记: random walk

Posted 刘文巾

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了GNN笔记: random walk相关的知识,希望对你有一定的参考价值。

1 随机游走定义

所谓随机游走(random walk),就是在网络上不断重复地随机选择游走路径,最终形成一条贯穿网络的路径。

从一个顶点出发,然后按照一定的概率随机移动到一个邻居节点,并将该节点作为新的当前节点,如此循环执行若干步,得到一条游走路径。

下图所示绿色部分即为一条随机游走。

使用随机游走的好处

2.1 并行化

随机游走是局部的,对于一个大的网络来说,可以同时在不同的顶点开始进行一定长度的随机游走,多个随机游走同时进行,可以减少采样的时间。

2.2 局部适应性

可以适应网络局部的变化。网络的演化通常是局部的点和边的变化,这样的变化只会对部分随机游走路径产生影响,因此在网络的演化过程中不需要每一次都重新计算整个网络的随机游走。

 

3  python 实现随机游走

networkx包的内容可见python库整理:networkx 包_刘文巾的博客-CSDN博客

先看一下我们要用到的图

import networkx as nx
import matplotlib.pyplot as plt
G=nx.barbell_graph(5,4) 
 
nx.draw_networkx(G)
plt.show()

然后我们实现随机游走


import random
#导入库

def random_walk(G,path_length,alpha,start=None):
    '''
实现一个截取随机游走
G是我们要研究的图
path_length:随机游走的长度
alpha:每次游走从start点开始的概率
start:随机游走的起始点
    '''
    if start==None:
        path=random.sample(list(G.nodes),1)
        #如果没有设置起始点,那么我们就在图中随机选择一个
    else:
        path=[start]
    
    while(len(path)<path_length):
#如果没有到达我们需要的随机游走长度

        cur_node=path[-1]
        #下一轮随机游走的起点

        if(len(list(G.adj[cur_node]))>0):
            #如果这个“起点”还有相邻点的话:
            
            if(random.random()>=alpha):
                path.extend(
                    random.sample(list(G.adj[cur_node]),1))
            else:
                path.append(path[0])
#一定概率是跳转到“起点”的邻居,一定概率是跳到真正的起点
        else:
            break
    return(path)



random_walk(G,10,0.1)
#[3, 3, 4, 5, 6, 5, 4, 1, 3, 2]

 

以上是关于GNN笔记: random walk的主要内容,如果未能解决你的问题,请参考以下文章

HDOJ4579 Random Walk

HDU 4487 Maximum Random Walk

醉汉随机行走/随机漫步问题(Random Walk Drunk Python)

随机游走模型(Random Walk)

每日一读Graph Recurrent Networks With Attributed Random Walks

每日一读Graph Recurrent Networks With Attributed Random Walks