建议使用conda或viturlenv创建Python虚拟环境，启动该虚拟环境后，在项目根目录下，输入以下命令来配置环境。
pip install -r requirements.txt
Stanford Large Network Dataset Collection
- Amazon product co-purchasing network and ground-truth communities
- DBLP collaboration network and ground-truth communities
- High-energy physics theory citation network
- High-energy physics citation network
对真实网络数据集进行特征分析，包括但不限于：
-
节点级别特征分析：节点度分布（node degree)、节点中心性（node centrality）、节点聚类系数（clustering coefficient）等；
-
网络级别特征分析：网络直径（diameter）、网络连通块（connected components）分析统计等。
导入dataset下的dataset_mine包，使用其中的函数G_return(path)即可，如
from dataset import dataset_mine
dblp_path='../dataset/com-dblp.ungraph.txt'
G_dblp=dataset_mine.G_return(dblp_path)#返回的是一个图G
参数 ：
图G
返回值：
- array, 这个array={'拥有度数1的节点数':度数,'拥有度数2的节点数':度数2,...,'拥有度数n的节点数':度数n}
- 节点度数的平均值
参数 ：
图G
返回值：
- array, 该array是返回所有节点PRank值的集合
- 节点的平均PRank值
参数 ：
图G
返回值：
- array, 这个array是所有节点的度中心性集合
- 节点的平均度中心性值
参数 ：
图G
返回值：
点介数，平均点介数，边介数，平均边介数
参数 ：
图G
返回值：
- array, 这个array是每个节点的聚类系数的集合
- 节点的平均聚类系数
参数 ：
图G
返回值：
- 平均聚类系数
- array，这个array的每个元素为['度数':'该度数节点的平均聚类系数']
参数 ：
图G
返回值：
网络直径
参数 ：
图G
返回值：
网络中的连通块及其大小
参数 ：
图G
返回值：
array, 这个array的每个元素代表一个连通图中包含的节点个数
基于真实网络数据集进行节点分类（node classification）、节点聚类（node clustering）或链接预测（link prediction）等机器学习任务，具体要求：
- 对每个任务选取5+个现有相应算法进行实验分析，所选算法应多样需覆盖多个技术类别。
实验选择表示论文之间的相互引用关系的cit-HepTh和cit-HepPh两个数据集。数据集提供了每篇论文的基本元信息，包括论文标题、作者、发表时间、发表期刊和摘要内容等。根据摘要内容，计算每篇论文的文本特征向量；根据引用网络中的被引用量，对论文进行标签标记。
feature模块下的feature_extraction.py脚本提供了用于特征提取和数据集获取的接口。该脚本文件为每个函数都提供了比较详细的pydoc文档说明。此处，仅提供顶层接口的输入输出和调用说明，省略对后续分类、聚类、预测等机器学习任务透明的其它函数的说明。
如下所示，get_datasets()接口接受数据集名称（注意大小写）、是否打乱数据集顺序以及训练集和验证集的划分比例元组（其余部分作为测试集）作为输入，直接返回按照指定比例划分好的训练集、验证集和测试集。每个子集均为一个列表，由若干论文样本组成，每个元素对应于一个论文样本的特征向量和标签元组。
def get_datasets(dataset="cit-HepTh", shuffle=True, proportion=(0.7, 0.2)):
"""指定数据集名称，获取指定比例的训练集、验证集和测试集
每个子集均为一个列表，列表中的每个元素对应于一个论文样本的特征向量和标签元组，即(feature_vector, label)
Args:
dataset (str, optional): 数据集名称，cit-HepTh或cit-HepPh（注意大小写）. Defaults to "cit-HepTh".
shuffle (bool, optional): 是否打乱数据集顺序. Defaults to True.
proportion (tuple, optional): 训练集和验证集的比例. Defaults to (0.7, 0.2).
Returns:
tuple: 训练集、验证集、测试集
"""实验中使用6种分类算法共计七个实现对提取到的特征数据进行预测，算法包括随机森林“Random Forest”, 贝叶斯分类器，决策树分类器“Dicision Tree”，支持向量机“SVM”（kernel=rbf、sigmoid），Logistic回归“Logistic Regression”，神经网络“Neural Network”.
classification模块下的classification.py脚本提供了各个分类算法的接口，在repo的主目录可以直接调用该脚本进行预测。使用方法如下：
python -d your_dataset_name -m all -sp your_result_save_path
其中 -m 后的参数指定了使用的算法，'all'即使用所有算法，其他的算法调用对应参数可见的classification.py脚本。 注意，各个分类方法的必要输入仅为训练输入与标签，测试输入与标签。该输入与标签可以通过脚本内的sort_data()函数从get_datasets()的输出中直接得到。分类方法的输出结果包括在测试集上的accuracy以及整个算法运行的时间消耗。这些输出也会写入-sp指定路径的csv表格中。
目前根据已有的数据集运行的各个算法的accuracy以及time cost均记录在classification模块下表格1以及表格2中