[TOC]
部分图模型使用 邻居特征 加速模型训练，我们提供工具生成 邻居特征数据。
邻居特征平均 指的是对于 node_graph 中的一条样本 node adj_node1:weight1 adj_node2:weight2 ...。
使用 adj_node1、 adj_node2 等邻接节点的特征求平均，来表示节点 node 的邻居特征。
接下来将依次介绍 使用邻居特征平均功能的模型、邻居特征平均工具的参数介绍 和 运行邻居特征平均。
以下图模型需要使用 邻居特征平均 功能生成数据，任务的输出对应图模型数据参数介绍中的参数 --neighbor_feature。
| 模型 |
|---|
| unsup_graphsage |
| sup_graphsage |
| unsup_bipartite_graphsage |
| 名称 | 含义 | 注 |
|---|---|---|
| node_graph | string, 节点关系数据目录 |
参考节点关系数据格式 |
| node_feature | string, 节点特征的目录 |
参考节点特征数据格式 |
| sample_num | int, 采样邻居进行特征平均 |
默认使用全量邻居，如果采样 10 个邻居，可设置 sample_num =10 |
| dist | int, 单机或者分布式随机游走 |
1（分布式）、 0（单机） |
| gs_thread_num | int, 加载节点关系数据的线程数量 |
需要满足，gs_thread_num <= node_graph 文件数量 |
| gs_addrs | string, graph server 的 ip port 地址 |
分布式运行，worker 通过 gs_addrs 连接 graph server 进行邻居特征平均 |
| gs_worker_num | int, worker 数量 |
分布式运行，使用的 worker 数量，越多越快 |
| gs_worker_id | int, worker id |
分布式运行时，每个 worker 对应的 index，从 0 开始连续编码 |
| out | string, 存储邻居特征平均结果的目录 |
示例：out="output_neighbor_feature" |
- 注意，程序中使用的线程数取决于
node_graph对应的文件数和gs_thread_num中的 最小值
不要 只使用一个文件 存储
node_graph数据，否则无论 gs_thread_num 设置多大，系统中始终都只有一个 cpu 运行gs_thread_num 设置为
10，效率就很高了，当然在满足node_graph 文件数量 < gs_thread_num时，越多越快预处理时将
node_graph数据 划分成多个文件，越多越好, 一般可设置文件数为 100~500 个
- 参考编译文档编译
- 进入到
embedx/demo/single目录 - 参考单机使用必读文档，运行
run_average_feature.sh脚本，生成数据average_feature
- 进入到
embedx/demo/dist目录 - 参考分布式使用必读文档，运行
run_average_feature.sh脚本，生成数据average_feature