SDNE图重建中解码后怎么得到邻接矩阵？

### 回答1：
在 SDNE 图重建中，解码器的输出通常是图中节点对之间的相对关系。这些相对关系可以用来推断出图的邻接矩阵。

具体来说，假设图中有 N 个节点，解码器输出的相对关系表示为一个 NxN 的矩阵 R。如果 R(i,j)=1，则表示图中存在一条从节点 i 到节点 j 的边。如果 R(i,j)=0，则表示图中不存在这样的边。

可以使用这个矩阵来得到图的邻接矩阵。邻接矩阵 A 是一个 NxN 的矩阵，其中 A(i,j) 表示节点 i 到节点 j 的边权。如果图中不存在从节点 i 到节点 j 的边，则 A(i,j)=0。如果图中存在这样的边，则 A(i,j) 的值可以由解码器输出的相对关系矩阵 R 和边权信息得到。

例如，假设解码器输出的相对关系矩阵 R 是这样的：

R = [1 0 1 0;
0 1 0 1;
0 0 1 0;
1 0 0 1]

这个矩阵表示图中存在从节点 0 到节点 2、节点 3 的边，从节点 1 到节点 0、节点 3 的边，从节点 2 到节点 2 的边，从节点

### 回答2：
在SDNE（Structural Deep Network Embedding）图重建中，解码后的矩阵表示了节点之间的连边。通过对解码矩阵进行处理和阈值设置，可以得到图的邻接矩阵。

首先，将解码后的矩阵进行处理，使得矩阵中的每个元素都表示节点之间的相似度或连边的权重。一种常用的处理方式是将矩阵的元素值映射到0到1的范围内。

其次，根据设定的阈值，将处理后的矩阵转化为二进制邻接矩阵。例如，可以设定一个阈值，大于该阈值的元素设为1，小于该阈值的元素设为0。这样，通过调整阈值的大小，可以控制图的稀疏程度。

最后，根据转化后的二进制邻接矩阵，就能够得到图中节点之间的连接关系。邻接矩阵是一个方阵，其中的行和列分别对应图中的各个节点。邻接矩阵中的元素表示了节点之间是否有连边，其中1表示相邻，0表示不相邻。

通过这样的方式，解码后的矩阵就可以表示图的邻接矩阵，从而能够准确地描述节点之间的连接关系。邻接矩阵是图分析和图计算的基础之一，可以用于诸如社交网络分析、推荐系统等广泛的应用领域。

### 回答3：
SDNE（Structural Deep Network Embedding）图重建是一种图结构的学习方法，通过将图用低维向量表示来进行图的重建。在SDNE中，图的邻接矩阵可以通过以下步骤获得：

1. 解码：首先，我们需要对网络进行SDNE模型的训练，然后使用训练好的模型对输入的图结构进行解码。解码是将低维嵌入向量重新映射到原始图结构的过程，以重建原始的邻接矩阵。

2. 嵌入向量获取：通过解码，我们可以获得每个节点在低维空间中的嵌入向量。这些向量可以表示节点在图中的结构和特征信息。

3. 邻接矩阵重建：利用解码获得的嵌入向量，我们可以通过计算向量之间的相似度来重建原始图的邻接矩阵。相似度通常使用内积或者余弦相似度进行度量。

4. 相似度阈值选择：在计算得到相似度矩阵后，我们需要根据相似度的值来确定两个节点之间是否存在边。可以通过设定一个阈值来进行二值化操作，即将大于阈值的相似度设为1，小于阈值的相似度设为0，从而得到邻接矩阵。

总结来说，SDNE图重建中解码后可以通过获得的低维嵌入向量计算节点之间的相似度，并通过设定阈值来重建原始图的邻接矩阵。这样就可以得到解码后的图结构。