Node2Vec 合成菌群知识图谱表征学习复现

基于 Zachary’s Karate Club 基准数据集的功能性验证

📦 源代码: GitHub 仓库

论文信息

项目	内容
论文标题	node2vec: Scalable Feature Learning for Networks
作者	Grover A, Leskovec J
会议	Proceedings of the 22nd ACM SIGKDD, 2016: 855-864
DOI	10.1145/2939672.2939754
复现语言	Python 3.13

团队成员

• 刘小梅 (@CANGSU-mei) — 独立完成全部代码编写、调试与文档撰写

项目简介

在合成菌群（SynCom）的理性设计中，挖掘微生物之间复杂的互作网络至关重要。本项目旨在评估斯坦福大学于 2016 年提出的经典网络特征学习算法 Node2Vec 在现代计算环境下的可复现性。

考虑到专有菌群图谱数据的保密性与复现成本，本项目采用原论文 4.1 章节中经典的基准数据集 Zachary’s Karate Club 进行算法的”功能性验证”。通过二阶偏置随机游走策略（调节参数 \(p\) 和 \(q\)），算法旨在同时捕捉网络的同质性（Homophily）与结构等价性（Structural Equivalence）。

软件衰败与复现挑战

在复现过程中，发现了显著的软件衰败（Software Decay）现象：

1. 版本断层：原代码基于 Python 2.7，在现代 Python 3 环境下存在大量语法不兼容
2. 依赖崩溃：底层库 gensim 和 networkx 发生了破坏性更新
3. 解决策略：采用”功能性复现”策略，使用现代封装库保持算法逻辑和超参数与原始论文一致

实验方法

数据集

使用原论文经典的 Zachary’s Karate Club 空手道俱乐部网络： - 节点数：34（俱乐部成员） - 边数：78（成员间社交关系）

超参数设置

参数	值	说明
Dimensions	64	降维后的向量空间维度
p (Return)	1	控制重新访问起始节点的概率
q (In-out)	1	控制搜索是向内还是向外扩展
Walk Length	30	随机游走步长
Num Walks	200	每个节点的游走次数

当 \(p=1, q=1\) 时，算法退化为 DeepWalk 机制。

核心结果

向量降维与社区聚类

通过将生成的 64 维特征向量使用 PCA 降至二维，并应用 K-Means 聚类，算法成功识别出原网络分裂的两个派系。

Node2Vec 在 Karate Club 网络上的聚类可视化结果

可视化的散点图清晰显示，原网络中拓扑结构相近的节点在低维向量空间中保持聚拢，完美复现了论文中提及的”邻域保持（Neighborhood Preserving）“特性。

定量评估

任务	指标	结果
社区聚类	准确率	94.1%
节点分类	逻辑回归准确率	94.12%
链接预测	AUC 评分	0.8923

• 节点分类：基于嵌入特征训练逻辑回归分类器，准确率达 94.12%，证明提取的向量具有极高的线性可分性
• 链接预测：参考原论文 4.7 节方法，基于特征向量的哈达玛积构建边特征，AUC 评分 0.8923，显著优于传统启发式网络指标

结论与展望

1. 复现成功：Node2Vec 算法在现代 Python 环境下可成功复现，聚类趋势与原论文 Figure 1 描述完全吻合
2. 科学价值：Node2Vec 成功捕捉了网络中的结构等价性，生成的向量可直接作为大语言模型的 Prompt 输入，用于辅助理性菌群设计
3. 可重复性建议：对于历史较久的开源项目，维护包含 requirements.txt 的现代化环境配置是确保科学可复现性的关键

项目仓库

• 代码：code/SynCom_Analysis.ipynb — 文学化编程 Notebook，含完整分析流程
• 数据：data/karate.edgelist — 空手道俱乐部网络边列表
• 结果：results/ — 嵌入向量文件与可视化图表
• 依赖：requirements.txt — 精确锁定的环境依赖清单