Task01-简单图论与环境配置与PyG库

Task01 简单图论与环境配置与PyG库

关于行走个数的定理

设图的邻接矩阵为A，Aⁿ是邻接矩阵的n次方，那么矩阵中的每个元素$A^n[i,j]$表示从节点 $i$ 到节点 $j$ 的长度为 n 的行走的个数。

PyG安装与PyTorch环境

• torch=1.8.0
• cuda=10.2
• torch-geometric=1.7.0

作业描述

• 请通过继承Data类实现一个类，专门用于表示“机构-作者-论文”的网络。该网络包含“机构“、”作者“和”论文”三类节点，以及“作者-机构“和“作者-论文“两类边。对要实现的类的要求：1）用不同的属性存储不同节点的属性；2）用不同的属性存储不同的边（边没有属性）；3）逐一实现获取不同节点数量的方法。

作业思路

这很明显是个异质图的实现，而 pyG 框架中的Data类是同质图的数据封装类型。那么，原有的Data类中的 x 和 edge_index无法直接满足要求。

实现方面，为了简单起见，x_heter的第0维度设置为flag标记位， x _ h e t e r [ 0 ] ∈ { " a u t h o r " , " o r g a n i z a t i o n " , " p a p e r " } x\_heter[0]\in\{"author","organization","paper"\} x_heter[0]∈{"author","organization","paper"}来判断节点的类型，edge_index_heter的第0维度设置为flag标记位， e d g e _ i n d e x _ h e t e r [ 0 ] ∈ { " a u t h o r 2 o r g a n i z a t i o n " , " a u t h o r 2 p a p e r " } edge\_index\_heter[0]\in\{"author2organization","author2paper"\} edge_index_heter[0]∈{"author2organization","author2paper"}来判断边的类型。这里实现的edge_index_heter与Data类的edge_index不同，shape=（num_edges, 3）。

类的定义：

class OAP(Data):
    def __init__(self, x_heter=None, edge_index_heter=None):
        super(OAP, self).__init__()
        self.organization_nodes = []
        self.author_nodes = []
        self.paper_nodes = []
        for instance in x_heter:
            if instance[0]=='author':
                self.author_nodes.append(instance[1:])
            if instance[0]=='organization':
                self.organization_nodes.append(instance[1:])
            if instance[0]=='paper':
                self.paper_nodes.append(instance[1:])
        self.edge_author2organization = []
        self.edge_author2paper = []
        for edge in edge_index_heter:
            if edge[0]=='author2organization':
                self.edge_author2organization.append(edge[1:])
            if edge[0]=='author2paper':
                self.edge_author2paper.append(edge[1:])

    def num_organization_nodes(self):
        return len(self.organization_nodes)
    def num_author_nodes(self):
        return len(self.author_nodes)
    def num_paper_nodes(self):
        return len(self.paper_nodes)

编写测试用例：

# 两个机构，第一个机构一个作者，1篇paper
# 第二个机构两个作者，一个作者1篇paper，另外一个作者两篇paper
x = [['author','Zhangsan'],
     ['author','Lisi'],
     ['author','Wangwu'],
     ['organization','DeepMind'],
     ['organization', 'MIT'],
     ['paper',0,'ResNet','ref-100000'],
     ['paper',1,'GAN', 'ref-10000'],
     ['paper',2,'GAT', 'ref-5000'],
     ['paper',3,'GCN', 'ref-2000']]
edge_index = [['author2organization', 'Zhangsan','DeepMind'],
              ['author2organization', 'Lisi','MIT'],
              ['author2organization', 'Wangwu','MIT'],
              ['author2paper', 'Zhangsan',0],
              ['author2paper', 'Lisi',1],
              ['author2paper', 'Wangwu',2],
              ['author2paper', 'Wangwu',3]]

data = OAP(x_heter=x, edge_index_heter=edge_index)
print("data.num_paper_nodes = ", data.num_paper_nodes())
print("data.num_author_nodes = ", data.num_author_nodes())
print("data.num_organization_nodes = ", data.num_organization_nodes())

测试用例输出：