感觉code author理解错了原文的loss？？

[lyancynthia]

看的是EGES_model.py。�
def make_skipgram_loss() 这个函数像代码作者这样写，我理解的意思是，最大化了node v的embedding Hv和node v的context node u的id的共现概率？？
可是原文公式（8）的loss是L(v,u,y)=−[ylog(σ(HvT Zu))+(1−y)log(1−σ(HvT Zu))]啊？？

求问是我理解错了还是代码作者理解错了呀....

另外求问_dataset版的py文件是干什么用的呀？

[nanffiy]

看的是EGES_model.py。� def make_skipgram_loss() 这个函数像代码作者这样写，我理解的意思是，最大化了node v的embedding Hv和node v的context node u的id的共现概率？？ 可是原文公式（8）的loss是L(v,u,y)=−[ylog(σ(HvT Zu))+(1−y)log(1−σ(HvT Zu))]啊？？

求问是我理解错了还是代码作者理解错了呀....

另外求问_dataset版的py文件是干什么用的呀？

_dataset版本在 读入数据那部分使用了tf.data这样便于大数据集的训练与学习

[Fyhyuky-FONTA]

看的是EGES_model.py。� def make_skipgram_loss() 这个函数像代码作者这样写，我理解的意思是，最大化了node v的embedding Hv和node v的context node u的id的共现概率？？ 可是原文公式（8）的loss是L(v,u,y)=−[ylog(σ(HvT Zu))+(1−y)log(1−σ(HvT Zu))]啊？？

求问是我理解错了还是代码作者理解错了呀....

另外求问_dataset版的py文件是干什么用的呀？

是写错了，作者的损失函数是用了额外的权重向量辅助计算，但是原论文里面是用结点之间经过注意力聚合的参数矩阵做的