Stellargraph使用Node2Vec生成嵌入时报UFuncTypeError如何解决？

报错根因 #

从报错栈可以定位到错误触发在gensim的Word2Vec初始化权重阶段，代码尝试将节点ID与种子的字符串形式拼接，当你的节点ID为数值类型（如int、numpy数值类型）时，数值与字符串相加触发类型不匹配错误。该问题本质是你当前使用的gensim版本与Stellargraph官方教程适配的版本存在参数、逻辑差异导致的。

可行解决方案 #

• 方案1：修改随机游走结果的节点类型（最推荐，无需改动依赖、不丢失边特征）
  在你获取随机游走结果的代码后，添加节点转字符串的逻辑，修改后的node2vec_embedding函数如下：

def node2vec_embedding(graph, name):
    rw = BiasedRandomWalk(graph)
    walks = rw.run(graph.nodes(), n=num_walks, length=walk_length, p=p, q=q)
    # 新增：将所有节点ID转为原生字符串
    walks = [[str(node) for node in walk] for walk in walks]
    print(f"Number of random walks for '{name}': {len(walks)}")

    model = Word2Vec(
        walks,
        size=dimensions,
        window=window_size,
        min_count=0,
        sg=1,
        workers=workers,
        iter=num_iter,
    )

    def get_embedding(u):
        # 这里也要对应转字符串匹配查找
        return model.wv[str(u)]

    return get_embedding

修改后就可以正常运行，全程使用Stellargraph的图结构，边特征不会丢失。

• 方案2：降级gensim到适配版本
  Stellargraph官方Node2Vec教程适配的gensim版本为3.8.3，直接执行如下命令安装对应版本即可解决：
  pip install gensim==3.8.3
  安装完成后不需要修改原有代码即可直接运行。

• 方案3：调整转NetworkX的逻辑保留边特征
  如果要使用第三方node2vec库，可以在转NetworkX时指定边特征的映射字段，不会丢失边特征：

from node2vec import Node2Vec
# 转格式时指定边权重/特征对应的列名
graph_train_nx = StellarGraph.to_networkx(graph_train, edge_weight_attr="你的边特征字段名")
# 初始化时指定权重对应的key
node2vec = Node2Vec(graph_train_nx, weight_key="你的边特征字段名")
model = node2vec.fit()

内容的提问来源于stack exchange，提问作者Reine Baudache