1 隨機游走定義

所謂隨機游走(random walk)，就是在網絡上不斷重復地隨機選擇游走路徑，最終形成一條貫穿網絡的路徑。

從一個頂點出發，然后按照一定的概率隨機移動到一個鄰居節點，并將該節點作為新的當前節點，如此循環執行若干步，得到一條游走路徑。

下圖所示綠色部分即為一條隨機游走。

2?使用隨機游走的好處

2.1?并行化

隨機游走是局部的，對于一個大的網絡來說，可以同時在不同的頂點開始進行一定長度的隨機游走，多個隨機游走同時進行，可以減少采樣的時間。

2.2 局部適應性

可以適應網絡局部的變化。網絡的演化通常是局部的點和邊的變化，這樣的變化只會對部分隨機游走路徑產生影響，因此在網絡的演化過程中不需要每一次都重新計算整個網絡的隨機游走。

?

3? python 實現隨機游走

networkx包的內容可見python庫整理：networkx 包_劉文巾的博客-CSDN博客

先看一下我們要用到的圖

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

然后我們實現隨機游走

import random #導入庫def random_walk(G,path_length,alpha,start=None):''' 實現一個截取隨機游走 G是我們要研究的圖 path_length：隨機游走的長度 alpha：每次游走從start點開始的概率 start：隨機游走的起始點'''if start==None:path=random.sample(list(G.nodes),1)#如果沒有設置起始點，那么我們就在圖中隨機選擇一個else:path=[start]while(len(path)<path_length): #如果沒有到達我們需要的隨機游走長度cur_node=path[-1]#下一輪隨機游走的起點if(len(list(G.adj[cur_node]))>0):#如果這個“起點”還有相鄰點的話：if(random.random()>=alpha):path.extend(random.sample(list(G.adj[cur_node]),1))else:path.append(path[0]) #一定概率是跳轉到“起點”的鄰居，一定概率是跳到真正的起點else:breakreturn(path)random_walk(G,10,0.1) #[3, 3, 4, 5, 6, 5, 4, 1, 3, 2]

?

總結

以上是生活随笔為你收集整理的GNN笔记： random walk的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。