PyG: 将异构图转化为同构图数据

在图神经网络中，异构图是一种常见的数据结构。它由不同类型的节点和不同类型的边组成，每个节点和边都具有特定的语义和属性。然而，许多图神经网络模型只支持同构图，即所有节点和边都是同一种类型。为了使用这些模型来处理异构图数据，我们需要将异构图转化为同构图数据。

在本文中，我们将介绍如何使用 PyTorch Geometric（简称PyG）库将异构图转化为同构图数据。PyG 是一个用于处理图数据的强大工具包，它提供了许多功能和工具，可以方便地进行图神经网络的开发和实验。

首先，我们需要定义异构图的结构。假设我们有三种类型的节点：用户、商品和评论，以及两种类型的边：用户到商品的购买关系和用户到评论的关联关系。我们可以使用 PyG 的 HeteroData 类来定义异构图的结构。

from torch_geometric.data import HeteroData

# 定义节点类型
node_types = ['user'