python - Node2vec 参数、推理和输出的索引缺失

Question

我正在尝试使用 node2vec 拟合模型。

这是代码：

graph=nx.from_numpy_matrix(np.matrix(network_table))

node2vec = Node2Vec(graph, dimensions=100, walk_length=6, num_walks=200, workers=4)

model = node2vec.fit(window=5, min_count=1)

首先，我理解雾气问题，通常尺寸 = 100 和 walk_length = 2 ~ 8 效果很好。其他参数呢？像 num_walks 和窗口？（该图是一个 14*14 的矩阵。）

其次，我想知道它背后的逻辑。比方说，如果我把这个模型展示给一个对深度学习一无所知的人，我该怎么说？我选择这些参数的原因是什么？

第三，图是从邻接矩阵转换而来的，它的第一列和列索引是节点的名称。但是，当我完成建模时，输出不再有索引名称，而是从 0 到 13 的数字。有没有办法我可以得到名称而不是数字。否则，我必须手动将其附加回来。

标签： pythonmachine-learningdeep-learningneural-network