MetaPath游走 (MetaPathWalkBatchOp)

Java 类名：com.alibaba.alink.operator.batch.graph.MetaPathWalkBatchOp

Python 类名：MetaPathWalkBatchOp

功能介绍

MataPathWalk [1] 是描述随机游走的一种算法。在给定的图上，每次迭代过程中，点都会按照一定的metaPath转移到它的邻居上，转移到每个邻居的概率和连接这两个点的边的Type相关。通过这样的随机游走可以获得固定长度的随机游走序列，这可以类比自然语言中的句子。

[1] Dong et al. metapath2vec: Scalable Representation Learning for Heterogeneous Networks. KDD2017.

参数说明

名称	中文名称	描述	类型	是否必须？	取值范围	默认值
metaPath	游走的模式	一般为用字符串表示，例如 “ABDFA”	String	✓
sourceCol	起始点列名	用来指定起始点列	String	✓	所选列类型为 [INTEGER, LONG, STRING]
targetCol	中止点点列名	用来指定中止点列	String	✓	所选列类型为 [INTEGER, LONG, STRING]
typeCol	节点类型列名	用来指定节点类型列	String	✓	所选列类型为 [STRING]
vertexCol	节点列名	用来指定节点列	String	✓	所选列类型为 [INTEGER, LONG, STRING]
walkLength	游走的长度	随机游走完向量的长度	Integer	✓
walkNum	路径数目	每一个起始点游走出多少条路径	Integer	✓
delimiter	分隔符	用来分割字符串	String			“ ”
isToUndigraph	是否转无向图	选为true时，会将当前图转成无向图，然后再游走	Boolean			false
samplingMethod	起始点列名	用来指定起始点列	String			“ALIAS”
weightCol	权重列名	权重列对应的列名	String		所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT]	null

代码示例

Python 代码

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

df = pd.DataFrame([
    [1, 1, 1.0],
    [1, 2, 1.0],
    [2, 3, 1.0],
    [3, 4, 1.0],
    [4, 2, 1.0],
    [3, 1, 1.0],
    [2, 4, 1.0],
    [4, 1, 1.0]])

graph = BatchOperator.fromDataframe(df, schemaStr="start int, dest int, weight double")

df2 = pd.DataFrame([
    [1,"A"],
    [2,"B"],
    [3,"A"],
    [4,"B"]])

node = BatchOperator.fromDataframe(df2, schemaStr="node int, type string")

MetaPathWalkBatchOp() \
			.setWalkNum(10) \
			.setWalkLength(20) \
			.setSourceCol("start") \
			.setTargetCol("dest") \
			.setIsToUndigraph(True) \
			.setMetaPath("ABA") \
			.setVertexCol("node") \
			.setWeightCol("weight") \
			.setTypeCol("type").linkFrom(graph, node).print();

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.graph.MetaPathWalkBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;

import java.util.Arrays;
import java.util.List;

public class MetaPathWalkBatchOpTest {
	@Test
	public void testMetaPathWalkBatchOp() throws Exception {
		List <Row> df = Arrays.asList(
			Row.of(1, 1, 1.0),
			Row.of(1, 2, 1.0),
			Row.of(2, 3, 1.0),
			Row.of(3, 4, 1.0),
			Row.of(4, 2, 1.0),
			Row.of(3, 1, 1.0),
			Row.of(2, 4, 1.0)
		);
		BatchOperator <?> graph = new MemSourceBatchOp(df, "start int, dest int, weight double");
		List <Row> df2 = Arrays.asList(
			Row.of(1, "A"),
			Row.of(2, "B"),
			Row.of(3, "A")
		);
		BatchOperator <?> node = new MemSourceBatchOp(df2, "node int, type string");
		new MetaPathWalkBatchOp()
			.setWalkNum(10)
			.setWalkLength(20)
			.setSourceCol("start")
			.setTargetCol("dest")
			.setIsToUndigraph(true)
			.setMetaPath("ABA")
			.setVertexCol("node")
			.setWeightCol("weight")
			.setTypeCol("type").linkFrom(graph, node).print();
	}
}

运行结果

path
1 4 3 2 3 2 1 2 1 2 1 2 1 2 1 2 3 2 3 2
1 4 3 2 1 4 3 2 3 4 3 2 1 4 1 4 1 2 3 2
1 2 3 4 3 2 1 4 3 4 3 4 1 2 3 2 3 4 3 2
3 4 3 4 1 4 1 4 1 2 1 2 1 2 3 2 1 4 3 2
1 4 1 2 3 2 1 2 3 2 3 2 3 2 1 2 1 4 3 2
3 2 3 4 3 2 3 2 3 4 1 2 3 2 1 2 1 4 3 2
3 4 3 4 1 2 3 4 1 4 1 4 3 2 3 4 3 2 1 2
3 4 1 4 1 4 3 4 1 2 1 2 1 4 1 4 3 2 1 2
1 2 1 4 3 4 3 2 3 2 1 2 1 2 1 2 3 2 1 2
3 2 1 2 3 2 3 4 3 2 1 4 3 4 1 2 1 2 1 2
1 2 1 4 1 4 1 2 1 2 3 2 3 4 1 2 1 2 1 4
1 2 1 4 3 2 1 2 1 4 1 4 1 4 1 2 1 2 1 2
1 4 1 4 1 2 1 2 1 4 1 2 3 2 1 2 1 2 1 2
3 4 3 4 3 2 1 2 3 2 3 4 1 2 1 2 1 2 1 4
3 2 3 4 3 4 1 4 3 2 3 4 3 2 3 2 3 4 1 4
3 2 3 2 3 4 3 2 1 2 1 4 1 2 1 2 3 4 1 4
1 4 3 4 1 2 1 4 1 2 3 2 1 2 1 2 3 4 1 4
3 4 3 2 3 4 1 2 1 4 3 4 3 2 1 4 1 4 1 2
3 4 3 4 1 2 3 2 1 4 1 4 3 2 1 4 1 4 1 4
1 4 1 2 3 2 3 4 1 2 1 2 1 2 3 2 1 4 1 2

备注

上述表中的结点类型可以是任意类型。
给定metaPath 后算法按照 metaPath 去游走，直到路径长度达到walkLength。
给定的metaPath必须首尾两个结点的Type一样，正确的格式例子： “ABCA”，“VDEEV”，“ABA”等。
如果给定metaPath为“ABDSA”，walkLength为10，则游走得到的结果将是 “ABDSABDSAB”，达到10个结点是会截断。

ALinkLab