随机游走 (RandomWalkBatchOp)

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

Python 类名：RandomWalkBatchOp

功能介绍

RandomWalk是deepwalk [1] 中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权重相关。
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] Bryan Perozzi et al. DeepWalk: online learning of social representations. KDD 2014.

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
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]
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
isWeightedSampling	是否为加权采样	该算法支持加权采样和随机采样两种采样方式	Boolean			true
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")

RandomWalkBatchOp() \
			.setWalkNum(5) \
			.setWalkLength(20) \
			.setSourceCol("start") \
			.setTargetCol("dest") \
			.setIsToUndigraph(True) \
			.setWeightCol("weight").linkFrom(graph).print()

Java 代码

import org.apache.flink.types.Row;

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

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

public class RandomWalkBatchOpTest {
	@Test
	public void testRandomWalkBatchOp() 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");
		new RandomWalkBatchOp()
			.setWalkNum(5)
			.setWalkLength(20)
			.setSourceCol("start")
			.setTargetCol("dest")
			.setIsToUndigraph(true)
			.setWeightCol("weight").linkFrom(graph).print();
	}
}

运行结果

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