企业官网建设流程全解析

简介：一套面向计算机专业学生的高分机器学习大作业复现代码，源自导师指导下的毕业设计项目，评审得分98分。资源聚焦神经对话生成中的对抗学习，包含生成模型、判别模型、预训练与训练测试等完整流程，适合课程设计、期末大作业或算法实战练习。压缩包共20个文件，以Python脚本为主，辅以XML工程配置、说明文档PDF、README及项目文件，整体仅570KB，轻量但结构完整。已有278人学习下载。代码涵盖数据生成、模型搭建、对抗训练、评估测试等环节，使用者可对照论文复现实验，也可在此基础上调整参数或扩展思路。资源附有说明文档，便于理解项目背景与运行步骤，对有机器学习基础、希望快速获取可运行项目样板的学生尤为实用。

1. 论文复现代码不是"能跑就行"：一份高分作业该有的可复现性

不少同学拿到论文复现代码，第一反应都是先把训练跑通，看到 loss 下降就松一口气，再截一张训练曲线图交给老师。等到答辩时被问一句"你复现的指标和论文差多少？为什么差？有哪些参数是你自己试出来的？"，才发现除了"能跑"什么都答不上来。这篇笔记想解决的就是这个问题：怎么把一份机器学习高分作业意义上的论文复现代码，组织成可以直接使用、可以反复复现、可以解释清楚的东西。我会用 DeepWalk 这篇图表示学习论文作为贯穿例子，因为它的原理直观、代码量适中，很适合作为复现起步。

2. 从论文到代码：拆解一篇机器学习论文的复现路线

复现论文最忌讳上来就写代码。我一般先花半小时把论文的实验部分翻透，因为实验部分定义了"复现成功"到底是什么意思。代码错了可以改，目标错了，后面会一直往错的发现走。这里的关键是把两件事搞清楚：实验边界和数据流。

2.1 先界定实验边界：数据集、指标、baseline

以 DeepWalk 为例，这篇论文要证明的是：用随机游走生成的节点序列训练 Skip-gram，得到的节点向量能很好地完成节点分类任务。复现前要确认四件事：数据集是什么、任务是什么、指标是什么、基线方法是谁。

• 数据集：论文里常用 BlogCatalog、Flickr 这类社交网络图，也有用 Wikipedia 语料做对比的。
• 任务：多标签节点分类，用一部分节点训练逻辑回归，再在剩余节点上评估。
• 指标：一般看 macro-F1 和 micro-F1，两者计数方式不同。
• baseline：论文会对比谱聚类、普通图嵌入等方法。

这些信息不在摘要里，而在 Experiments 和 Implementation Details 部分。如果论文有附录，超参数表多半在附录里；找不到时，再看作者有没有放开源代码的配置，而不是凭空猜。公式描述的是理想情况，实验描述的是实际情况。很多论文的公式里省略了归一化、dropout、学习率衰减等实现细节，这些只能在实验部分或开源代码里找到。所以我的顺序是：先花 10 分钟看实验图表，再花 5 分钟找超参数表，最后才回去读方法。

我会把这些问题整理成一张表，直接写进作业报告里：

注意最后一行，我的复现参数和论文不一样，但必须在报告里写明为什么不一样。先用小图和短游走做冒烟测试，是为了快速验证代码管道，并不是最终参数。把这类决策写进报告，老师就知道你清楚自己在做什么。如果论文正文没写超参数，去附录找表格；附录也没有，就去作者开源的 README 或 issue 里翻。再不行，就用一组常识性默认值，并在报告里注明"该项来自社区惯例，论文未披露"。这比编一个参数诚实得多。

另一个容易忽略的点是数据集格式。如果论文原始数据需要特殊渠道获取，可以换一个公开的等规模数据集，但要说明差异。这一步叫界定实验边界，它决定了后面所有代码的输入输出形态。

2.2 把论文的算法流程画成数据流：输入、采样、更新、评估

DeepWalk 的整体流程是：图 → 随机游走 → 节点序列 → Skip-gram → 节点向量 → 分类器。我习惯先用伪代码把数据流写出来，再动手填充实现：

# DeepWalk 算法流程（伪代码，重点是输入输出边界） def deepwalk(graph, num_walks, walk_length, window_size, embed_dim): # graph: 邻接表，例如 {0: [1, 2], 1: [0, 3]} # 1. 从每个节点出发，做 num_walks 次随机游走 walks = generate_random_walks(graph, num_walks, walk_length) # 2. 把游走序列交给 Skip-gram，得到节点向量 embeddings = skipgram(walks, window_size, embed_dim) # 3. 分类器吃向量，输出节点标签预测 return embeddings

generate_random_walks 输出的是二维列表，每一行是一条节点序列，例如 [3, 7, 2, 5]。skipgram 内部用滑窗构造"中心节点-上下文节点"对，再用 Word2Vec 训练。理解这个数据流之后，复现的每一步都能确认"这个模块的输入是什么，输出给谁"。

参数说明：walk_length 是游走长度，太长会引入噪声，太短表达不了局部结构；num_walks 控制采样覆盖度；window_size 影响上下文范围；embed_dim 是最终向量的维度。这四个参数是 DeepWalk 复现时最常调的。

把数据流画出来还有一个好处：代码结构可以跟着它走。因为你知道数据从哪来、经过哪些环节、最后到哪去，写代码时自然就能拆成多个模块，而不是把所有逻辑塞进一个脚本。很多论文复现代码一打开就是几百个函数，新手容易迷失；我一般先按数据流拆，把每个模块的输入输出写在 docstring 里，即使某些细节看不懂，也能通过边界判断它的作用。对一份机器学习项目的作业来说，可读比巧妙重要得多。

DeepWalk 的转移概率在论文里写得很简单：从当前节点均匀随机地选择一个邻居作为下一步。实现时要注意：如果节点有自环，邻接表里出现自身，游走可能会原地打转；如果图是无向且带权，转移概率要按权重归一化。复现时先按无权图实现，后续再决定要不要支持权重。

Skip-gram 的输入是节点序列，但序列里可能重复出现同一个节点多次，这是正常的。训练前需要把节点 id 映射到词表的整数索引，否则 gensim 的 Word2Vec 会把它当成字符串。这一映射最好和 dataset.py 里的 id_map 保持一致，否则就会遇到 5.4 节的错位问题。

很多模型官方会放出训练好的向量，那能不能直接拿来做分类实验？可以，但这不是论文复现，而是模型使用。高分作业要求的是你亲自把论文的方法跑通一遍，所以至少要把随机游走和 Skip-gram 训练这两段核心流程写在代码里，即使最终结果略低于官方向量，也说明你理解了方法。此外，如果原论文提供了开源代码，我的建议是不要先读训练部分，先读数据加载和评估部分。因为这两部分是实验边界的直接体现。训练部分每个人写法不同，但数据接口和评估逻辑必须和论文描述一致。

表格里的 baseline 不要只填论文的，自己加一个随机向量作为下限：把节点 id 随机映射到等维度的向量，用同样的分类流程评估。如果 DeepWalk 的指标还打不过随机向量，说明实现有 bug。这个习惯能快速发现数据对不齐或标签泄漏的问题。

3. 搭建可直接运行的复现工程：目录、配置、数据加载

论文复现代码能不能直接使用，最直观的标准是：别人把这个机器学习项目 clone 下来后，根据 README 里的命令一路执行，不需要额外改路径。我见过太多代码把自己电脑上的绝对路径写死在代码里，换个环境就崩。这里的关键是：目录结构清晰、配置集中、路径相对。

3.1 目录结构设计：让评分老师一眼看懂

下面是一个 DeepWalk 复现作业的目录布局。它不是唯一答案，但每个模块的职责非常清楚：

reproduce_deepwalk/ ├── README.md ├── requirements.txt ├── configs/ │ ├── deepwalk.yaml │ └── smoke.yaml ├── data/ │ ├── sample.edgelist │ └── sample.labels ├── src/ │ ├── __init__.py │ ├── dataset.py │ ├── random_walk.py │ ├── model.py │ ├── train.py │ └── evaluate.py └── scripts/ └── run_experiment.py

src/dataset.py 负责读边列表和标签；src/random_walk.py 负责生成游走序列；src/model.py 封装 Skip-gram 嵌入；src/train.py 组织训练流程；src/evaluate.py 计算指标；scripts/run_experiment.py 是唯一入口，从配置读到训练评估串起来。README.md 里写清环境安装和复现命令，这就是可直接使用的门面。

逻辑说明：这份结构把数据、配置、源码、入口分开。评分老师能顺着文件名找到每个环节，而不是在一个巨型 main.py 里翻几百行。你写报告时，也可以按数据 → 游走 → 嵌入 →分类的顺序对应到文件位置。需要遵守的约定是：代码里只写相对路径，基于项目根目录运行命令。

不要做的事情：不要把训练好的嵌入文件、日志文件、数据集压缩包堆在根目录里。它们应该在运行时生成，放到 results/ 和 logs/ 下，并在 .gitignore 里忽略。一份干净的项目树，本身就是作业分数的一部分。

3.2 用 YAML 集中管理超参数：argparse 留给命令行覆盖

作业场景下，超参数散落在代码各处是大忌。常见做法是集中到一个配置文件里，例如：

# configs/deepwalk.yaml data: graph_path: data/sample.edgelist labels_path: data/sample.labels model: embed_dim: 128 walk_length: 40 num_walks: 10 window_size: 5 train: workers: 4 epochs: 5 seed: 42 alpha: 0.025 evaluate: train_ratio: 0.9 metric: macro_f1

加载配置时，我用 PyYAML 的 safe_load，再配合 argparse 做少量覆盖。比如临时想换一个随机种子，不用改文件：

# scripts/run_experiment.py import argparse import yaml def load_config(): parser = argparse.ArgumentParser() parser.add_argument("--config", default="configs/deepwalk.yaml") parser.add_argument("--seed", type=int, default=None) args = parser.parse_args() with open(args.config, "r", encoding="utf-8") as f: config = yaml.safe_load(f) if args.seed is not None: config["train"]["seed"] = args.seed return config

参数说明：--config 指定配置文件路径，--seed 覆盖配置里的随机种子。这样你在做参数敏感性实验时，只改 YAML，不动代码；命令行覆盖只用于临时实验。yaml.safe_load 而不是 yaml.load，避免反序列化任意对象的安全问题。

为什么不用 argparse 写全部参数？因为参数一多，命令行长且容易抄错；YAML 可以加注释，记录每个参数的含义和论文里的取值。如果课程要求必须用命令行传参，也可以保留 argparse，但我更推荐"配置文件 + 少量覆盖"的组合，这也是现在开源项目的主流。注意：在代码里不要 import config 后直接读模块属性，那会让路径纠缠不清，YAML 才是项目的单一事实来源。

3.3 图数据加载与预处理：边列表到邻接表

DeepWalk 的输入是一张图，最常见的格式是边列表：每行一条边，两个节点 id。我写的加载函数长这样：

# src/dataset.py from collections import defaultdict def load_edgelist(path): graph = defaultdict(list) id_map = {} nodes = set() with open(path, "r", encoding="utf-8") as f: for line in f: line = line.strip() if not line or line.startswith("#"): continue u, v = line.split()[:2] if u not in id_map: id_map[u] = len(id_map) if v not in id_map: id_map[v] = len(id_map) uid, vid = id_map[u], id_map[v] graph[uid].append(vid) graph[vid].append(uid) # 无向图 nodes.add(uid) nodes.add(vid) return graph, list(nodes), id_map

逻辑说明：先把字符串节点映射成连续的整数 id，再用 defaultdict(list) 存邻接表。边列表是无向的，所以同时写入两个方向。跳过空行和注释行，这是数据文件里常见的脏数据。返回的 id_map 在后面映射标签时要用到。

参数说明：如果论文用的是有向图，这里就别加 graph[vid].append(uid)，同时在配置里声明 graph_type: directed。孤立节点不会进邻接表，但会在 nodes 里，做分类时要保留它，否则评估索引对不上。这里踩过的坑，我会在第 5 章详细展开。

标签文件通常长这样：两列，第一列是节点，第二列是类别。对单标签分类可以直接和 id_map 对齐：

# src/dataset.py def load_labels(path, id_map): labels = {} with open(path, "r", encoding="utf-8") as f: for line in f: line = line.strip() if not line: continue node_str, label = line.split()[:2] if node_str in id_map: labels[id_map[node_str]] = int(label) return labels

注意：如果标签文件里出现了 id_map 没有的节点，直接忽略会损失数据。更稳妥的写法是先统计被忽略的节点数，打印一条警告。这样在结果偏低时，你能知道是数据对齐问题而不是算法问题。

数据加载完，我习惯马上做一次校验：打印节点数、边数、标签数，并检查是否存在度为 0 的节点：

# 脚本开头可选的 sanity check isolated = [n for n in nodes if not graph[n]] print(f"nodes={len(nodes)}, edges={sum(len(v) for v in graph.values())//2}, " f"labels={len(labels)}, isolated={len(isolated)}")

这段日志看起来不起眼，但能在训练前暴露大部分数据问题。很多论文复现翻车，都发生在这一步之前。

4. 训练与评估：让复现结果逼近论文的 3 个关键动作

代码工程搭好，训练是下一步。这里不讲怎么调神经网络，只讲 3 个让结果可复现、可对齐的关键动作：先跑通、锁随机源、对齐评估协议。这里讲的顺序很重要：先冒烟，再锁定随机源，最后对齐评估。顺序反了，你会在一个随机波动的指标上反复调参，白白浪费一晚上。

4.1 先跑通一个闭环：用最小配置验证代码没写错

我见过太多的复现代码在"最终训练"阶段报错，等排查完已经耗尽信心。所以我在项目中加了一个 configs/smoke.yaml，把参数全部缩到最小：

# configs/smoke.yaml data: graph_path: data/sample.edgelist labels_path: data/sample.labels model: embed_dim: 16 walk_length: 5 num_walks: 2 window_size: 2 train: workers: 2 epochs: 1 seed: 42 alpha: 0.025 evaluate: train_ratio: 0.9 metric: macro_f1

运行命令：

python scripts/run_experiment.py --config configs/smoke.yaml

冒烟测试只要观察三件事：程序能完整跑完、训练 loss 在下降、评估函数输出一个正常的指标，比如 macro-F1 在 0.1 到 1.0 之间。如果连这个都过不了，就要把错误堆栈拉到最短，先修数据流问题，不要直接调大模型。

参数说明：embed_dim 从 128 降到 16，walk_length 从 40 降到 5，num_walks 从 10 降到 2，epochs 从 5 降到 1，训练时间从分钟级降到秒级。注意：冒烟测试的结果不能写进报告，它的作用只是验证代码管道没有断。等闭环保通后，再恢复论文参数跑正式实验。

冒烟测试通过后，再用 deepwalk.yaml 跑正式训练。此时最好开启日志记录，包括每个 epoch 的 loss 和当前时间，方便判断训练是否收敛。如果 loss 不降，先看数据是否对齐，再调 alpha。不要把训练日志只打在屏幕输出里，写进 logs/train.log 更干净。

4.2 随机种子与多进程：复现的确定性来自哪里

论文复现中最影响指标稳定性的不是算法本身，而是随机性。随机游走、负采样、逻辑回归初始化、数据划分都可能引入随机数。如果不设置种子，两次运行结果可能差 2 到 3 个百分点，你就没法判断改动是有效还是噪声。

# src/train.py import os import random import numpy as np def set_seed(seed): os.environ["PYTHONHASHSEED"] = str(seed) random.seed(seed) np.random.seed(seed)

逻辑说明：PYTHONHASHSEED 影响字符串哈希，在数据加载时如果依赖节点 id 的哈希顺序，会引入随机性。random.seed 和 np.random.seed 覆盖 Python 和 NumPy 的随机源。注意这个设置要在任何数据加载之前调用，顺序不对就锁不住。

如果你用了 PyTorch，还需要 torch.manual_seed(seed)；用了 gensim 的 Word2Vec，则需要给 Word2Vec 传 random_state。全局种子管不到这些框架内部的随机源。这个细节是很多人复现结果对不上的原因。

另外，gensim 的 Word2Vec 默认使用多线程，workers 参数会影响数据打乱顺序。单线程和多线程训练得到的嵌入不是完全一致。想完全复现，就把 workers 固定在配置里，比如 4，不要在不同机器上换来换去。

4.3 评估协议对齐：为什么你的数字和论文差一截

这是复现翻车的高发区。DeepWalk 的节点分类评估通常是用部分节点，比如 10% 训练逻辑回归，在剩余节点上测试，多次随机划分取平均。但论文可能用了某个特定的 train/test split，你没注意，导致结果偏差。我的评估代码会显式控制划分比例并固定种子：

# src/evaluate.py from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn.metrics import f1_score def evaluate_embeddings(embeddings, labels, train_ratio=0.9, seed=42, metric="macro_f1"): X = [embeddings[n] for n in sorted(labels.keys())] y = [labels[n] for n in sorted(labels.keys())] X_train, X_test, y_train, y_test = train_test_split( X, y, train_size=train_ratio, random_state=seed, stratify=y ) clf = LogisticRegression(max_iter=1000) clf.fit(X_train, y_train) y_pred = clf.predict(X_test) if metric == "macro_f1": return f1_score(y_test, y_pred, average="macro") return f1_score(y_test, y_pred, average="micro")

逻辑说明：先按节点 id 排序确保特征和标签对齐，再用 train_test_split 按比例划分。stratify=y 让训练集和测试集的标签分布保持近似，这对不平衡标签很重要。random_state=seed 保证每次划分一致。

参数说明：train_ratio=0.9 表示用 90% 节点训练，10% 测试。很多论文写的是用 10% 的节点训练，那要设置 train_size=0.1 还是 train_size=train_ratio？一定要看论文的表述。我曾经在这里把 ratio 和 size 搞反，结果低了 10 多个点。还有，如果标签是多标签分类，stratify 不能直接用，需要换成 multi-label 的评估方式，或者评估每个标签的 F1 再取平均。

如果论文用了不同的分类器，比如 SVM 或 MLP，你要注意：DeepWalk 原论文用逻辑回归作为下游分类器，有些复现会用别的模型。不同分类器对嵌入质量的评价标准不同，换分类器就等于改变实验设置。所以第一版复现务必用逻辑回归，等结果对齐后再考虑其他分类器。

在训练中如何判断收敛？除了看最终指标，我还会记录每个 epoch 的 loss。Skip-gram 的 loss 通常不会降到 0，而是在一个区间内波动；如果 loss 一直不降，问题多半在前面的数据加载。如果只打印最终结果，中间过程就是黑匣子，出了问题很难定位。有一次我复现一篇交通类论文的样例代码时，数据加载和模型都写好了，但训练一直不收敛，最后发现是数据归一化顺序写错。从那以后，我固定用一个 sanity check 函数在训练前打印输入数据形状、均值和方差，如果均值不是有限数就直接终止。

更稳妥的做法是：所有评估都保留打印 macro_f1 和 micro_f1 两个值，在报告里同时给出：

print(f"macro_f1={macro_f1:.4f}, micro_f1={micro_f1:.4f}")

跑 5 次取平均时，最好把 5 次结果都写进 results/metrics.json，而不是只写均值。这样老师能直接看到方差，比一句"稳定"更有说服力。我一般保存成 metrics_seed42.json、metrics_seed123.json 这样的文件。

5. 论文复现代码避坑指南：5 个常见的翻车现场

前面几章的流程都走过之后，剩下的就是查漏补缺。下面 5 个坑是我在复现 DeepWalk 类似项目时反复看到的，也在自己的作业里踩过。每条按现象 → 原因 → 解决写，希望能让你少走一点弯路。

5.1 依赖版本不一致：装了 3 小时，最后发现是 gensim 版本

现象：随机游走代码和网上的教程一致，但训练 Word2Vec 时报AttributeError: 'Word2Vec' object has no attribute 'wv'，或者跑完结果和别人的完全不一样。

原因：gensim 4.x 改了接口，model['node']必须写成model.wv['node']。如果代码是从旧教程抄的，就会踩中。sklearn、NumPy 版本不同，逻辑回归的收敛行为也会略有差异，导致同样的代码在不同环境下跑出不同指标。

解决：把版本锁在 requirements.txt 里，写明gensim==4.3.2、scikit-learn==1.3.0、numpy<2.0。如果一定要用旧接口，就装gensim==3.8.3并调整代码。我一般用pip freeze > requirements.txt生成初始文件，再人工清理无关项。复现代码要能在干净环境里一键安装，而不是靠你电脑里的历史包。

5.2 数据划分不一致：你的训练集和论文的训练集不是一回事

现象：跑出来的 macro-F1 比论文低 5 个点，但算法实现看起来没问题。

原因：你用了 train_test_split 默认的 75% 训练，而论文用 10% 或 50% 训练；或者论文用了固定划分文件，你每次重新随机划分，相当于换了一个数据集。同一个模型在不同数据划分上的表现差异，很容易超过 5 个点。

解决：回到 2.1 的"实验边界"表，确认论文的 train/test split 方式和比例。如果论文没有明确，就按"随机划分 + 5 次平均"写在报告里，并在 README 中说明。最稳妥的是用和论文一致的划分文件；找不到时，固定种子并把划分逻辑写到配置里，让别人能复现你的划分。

5.3 指标口径错误：macro-F1 还是 micro-F1

现象：你的 micro-F1 很高，但报告里抄成 macro-F1，看起来和论文差一截；或者反过来，你报了 macro-F1，但论文用的是 micro-F1。

原因：多标签分类里 macro-F1 先按类别算 F1 再平均，对少数类敏感；micro-F1 把所有类别的 TP、FP、FN 汇总再算，指标值通常高于 macro。两个口径混用是复现报告里最常见的低级错误。

解决：在配置文件里明确 metric: macro_f1，代码里写死 metric 名，评估时同时输出两个值。报告里说清你报的是哪个，最好两个都给。最后再对照论文实验表，确认论文用的是哪个口径，别闭着眼抄数字。

5.4 随机游走漏了孤立节点或标签错位

现象：训练不报错，但画嵌入图时一堆节点堆在原点上，或者分类时索引越界。

原因：随机游走时如果节点度为 0，就没有邻居可走，循环会卡住或返回空序列。另一个常见问题是节点 id 映射对不上：边列表用的 id_map 和标签文件用的 id_map 不是同一份，导致 labels 错位。

解决：加载邻接表后立刻打印孤立节点数量，游走函数对孤立节点返回空序列；加载标签时，用边列表生成的 id_map 做转换，并把没匹配上的标签打印出来。我习惯在数据预处理后输出日志：

# 诊断代码片段 isolated = [n for n in nodes if not graph[n]] print(f"nodes={len(nodes)}, isolated_nodes={len(isolated)}, labels={len(labels)}")

这行日志能让你在训练前就发现数据问题，而不是等 20 分钟训练完再面对一个烂结果。调代码时看起来很慢，实际上比反复训练快得多。

5.5 训练不稳定：loss 变成 NaN 或嵌入向量发散

现象：训练到某一步打印 loss 为 nan，或者嵌入向量的模越来越大，分类结果断崖式下降。

原因：常见于学习率过高或负采样没做归一化。在 Skip-gram 里，如果上下文窗口出现重复节点，更新步长过大，梯度会溢出。gensim 的 alpha=0.025 是经验值，但如果你把 min_count 设成 0，或窗口里全是低频节点，也可能触发。

解决：先用默认超参数跑通，再尝试调参。如果 loss 震荡，把 alpha 调小一个数量级，例如从 0.025 降到 0.0025。设置 min_count=1 可以保留所有节点，但要注意低频节点的统计噪声。还有一种做法是给梯度加裁剪，但 gensim 不直接暴露这个接口，所以降低学习率是最实际的手段。记录每个 epoch 的 loss，方便定位是第几步开始发散的。

遇到上述任何问题，我的第一反应不是搜索代码，而是先构造一个最小复现：把数据集换成一棵只有 3 个节点的树，把 walk_length 换成 2，看问题还在不在。这个习惯能帮你把环境问题和算法问题快速分开。很多时候，问题不在训练脚本，而在数据加载和版本依赖上。能在出错信息里看到数据的形状，比看到模型结构更有用。

6. 把复现代码变成高分作业：一键复现脚本与验证清单

前面几章的内容做完，代码已经能跑，但离高分作业还差一步：让别人，尤其是评分老师，能一条命令从头复现你的全部结果。这一章讲怎么把实验入口收拢，以及交付前怎么验证。

完整入口脚本应该把配置加载、数据读取、游走、训练、评估、结果持久化全部串起来：

# scripts/run_experiment.py 完整入口骨架 import json from src.dataset import load_edgelist, load_labels from src.random_walk import generate_random_walks from src.model import train_skipgram from src.evaluate import evaluate_embeddings def main(): config = load_config() # 见 3.2 节 graph, nodes, id_map = load_edgelist(config["data"]["graph_path"]) labels = load_labels(config["data"]["labels_path"], id_map) walks = generate_random_walks(graph, config["model"]["num_walks"], config["model"]["walk_length"]) embeddings = train_skipgram(walks, config["model"]["embed_dim"], config["model"]["window_size"]) macro_f1 = evaluate_embeddings( embeddings, labels, config["evaluate"]["train_ratio"], config["train"]["seed"], config["evaluate"]["metric"] ) result = {"macro_f1": macro_f1, "config": config} with open("results/metrics.json", "w", encoding="utf-8") as f: json.dump(result, f, indent=2, ensure_ascii=False) print(json.dumps({"macro_f1": macro_f1}, indent=2)) if __name__ == "__main__": main()

逻辑说明：results/metrics.json 里同时保存指标和完整配置，这样后来任何时候都能知道该指标是在什么参数下跑出来的。注意脚本运行之前，要确保 results/ 目录存在，否则用 os.makedirs("results", exist_ok=True) 包一下。

交付前，我会按这张清单过一遍：

最后给你一个加分技巧：做参数敏感性实验。把 walk_length 从 10 改成 20、40，记录 macro-F1 的变化，画一张小表写进报告。如果代码里支持通用覆盖参数，比如 --set model.walk_length 40，就可以用一个循环批量跑：

for wl in 10 20 40; do python scripts/run_experiment.py \ --config configs/deepwalk.yaml \ --set model.walk_length $wl done

这组实验能让老师看到你不是只会跑通代码，而是真的理解每个参数对结果的影响。我自己以前交作业只交 main.py，老师问了三个问题全答不上来，后来花一小时补上配置、README、固定种子和评估脚本，结果从良变成了优。高分作业不是算法最炫的，而是最容易验证的。代码能跑只是起点，可复现才是终点。希望帮到你。

本文还有配套的精品资源，点击获取