PyG利用GCN实现Cora、Citeseer、Pubmed引用论文节点分类

已于 2023-02-11 23:11:18 修改
阅读量1.5k 收藏 9
点赞数 3
CC 4.0 BY-SA版权
分类专栏： 图神经网络 文章标签： 分类 深度学习 pytorch 图神经网络 神经网络
于 2023-02-10 21:41:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_47256162/article/details/128977236
本篇博客使用PyTorch和PyG库，通过GCN网络实现对Cora、Citeseer、Pubmed引用论文节点的分类任务。介绍了数据集、配置类、工具类的定义，以及模型的搭建、训练和验证过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

前言

大家好，我是阿光。

本专栏内包含基于GNN的项目实战案例（PyG实现），以及研究多年遇到的问题和一些总结与注意事项，理论与实践相结合，每一个代码实例都附带有完整的代码。

正在更新中~ ✨

在这里插入图片描述

🚨 我的项目环境：

  • 平台：Windows10
  • 语言环境：python3.7
  • 编译器：PyCharm
  • PyTorch版本：1.11.0
  • PyG版本：2.1.0

💥 项目专栏：【GNN图神经网络项目实战案例目录】

本文我们将使用Pytorch + Pytorch Geometric来复现论文 《SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS》 的实验部分，采用GCN实现Cora、Citeseer、Pubmed引用论文节点分类。

了解本专栏 订阅专栏 解锁全文
【图基础】PyG框架demo：使用GCN完成Core数据集分类【代码+数据集】
vector的博客
03-09 2488
这篇博客简单介绍了PyG以及Core数据集，并用一个简单的两层GCN实现了Core分类。
PyG利用GAT实现Cora、Citeseer、Pubmed引用论文节点分类
CSDN 精品推荐
02-11 1492
本专栏内包含基于GNN的项目实战案例（PyG实现），以及研究多年遇到的问题和一些总结与注意事项，理论与实践相结合，每一个代码实例都附带有完整的代码。
PyTorch搭建图卷积神经网络（GCN）完成对论文分类及预测实战（附源码和数据集）
showswoller的博客
11-12 9901
PyTorch搭建图卷积神经网络（GCN）完成对论文分类及预测实战（附源码和数据集）
通过GCN来实现对Cora数据集节点的分类
F_aF_a的博客
11-28 4399
代码来自《深入浅出图神经网络：GNN原理解析》 本节我们通过一个完整的例子来理解 如何通过GCN来实现对节点的分类。 我们使用的是Cora数据集，该数据集由2708篇论文，及它们之间的引用关系构成的5429条边组成。这些论文被根据主题划分为7类，分别是神经网络、强化学习、规则学习、概率方法、遗传算法、理论研究、案例相关。每篇论文的特征是通过词袋模型得到的，维度为1433，每-维表示一一个词， 1表示该词在这篇文章中出现过，0表示未出现。 首先我们定义类CoraData来对数据进行预处理，主要包括下载数据、
GCN使用的数据集Cora、Citeseer、Pubmed、Tox21格式
热门推荐
知行合一，止于至善
09-14 4万+
文章目录Cora、Citeseer、Pubmed以Cora为例数据格式示例Tox21 数据集 本文分享一下图卷积网络GCN里用到的一些数据集的格式 Cora、Citeseer、Pubmed 数据集 来源 #图 #节点 #边 #特征 #标签(y) Cora “Collective classification in network data,” AI magazine,2008 1 ...
在Cora和Citeseer数据集上使用GCN网络实现节点分类
04-06
在Cora和Citeseer数据集上用图卷积神经网络实现节点分类，包括GCN分类网络搭建、Cora和Citeseer数据集的数据预处理，以及节点分类网络的训练和测试代码。
PyG利用GraphSAGE实现Cora、Citeseer、Pubmed引用论文节点分类
CSDN 精品推荐
02-20 1037
本专栏内包含基于GNN的项目实战案例（PyG实现），以及研究多年遇到的问题和一些总结与注意事项，理论与实践相结合，每一个代码实例都附带有完整的代码。
win10下使用pycharm实现基于pyg的cora+citeseer+pubmed数据集的JKNET模型测试
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
01-31 1554
目录 前期准备工作 1、数据集基本情况 2、标准数据集划分方式 3、数据集处理和分析 整体数据分析 cora citeseer pubmed 4、代码参考 GraphSAGE实验结果（代码详细注释） 1、代码结构 2、超参数 3、实验结果(pubmed+mean_pool+sum) 2层SageGCN层 实验补充 3层SageGCN层 4、问题分析 GraphSAGE原文使用的citation数据集 GraphSage没有使用cora等着三个数据集的简单分析 关于数据
GraphSAGE模型实验记录【Cora、Citeseer、Pubmed】
智慧的旋风的博客
01-11 4112
1、准备工作 数据集 数据集 #图 #节点 #边 #特征 #标签(y) Cora 1 2708 5429 1433 7 Citeseer 1 3327 4732 3703 6 Pubmed 1 19717 44338 500 3 数据集划分方式：https://github.com/kimiyoung/planetoid (Zhilin Yang, William W. Cohen, Ruslan Salakhutdinov, Revisiting Semi-Supervised
GCN - CiteSeer分类学习
panda HAHA的博客
10-26 344
【代码】GCN - CiteSeer分类学习。
在Cora和Citeseer数据集上使用GCN网络实现链路预测
04-06
在Cora和Citeseer数据集上用图卷积神经网络实现链路预测，包括GCN网络搭建、Cora和Citeseer数据集的数据预处理，以及链路预测网络的训练和测试代码。
【图神经网络基础】认识数据集--同质数据集PubMed
最新发布
BetrayFree的博客
05-21 3281
PubMed 数据集由生物医学文献组成，每篇文献被视为一个节点，引用关系被视为边。该数据集包含三类糖尿病相关的论文，每个节点都带有特征向量和标签。数据集的主要任务是根据节点的特征和图结构对节点进行分类。
python数据集_python数据集处理
weixin_39972768的博客
11-21 843
一、如何删除数据里中的某一列1）打开文件open（）2）for循环读取文件的每一行strip（）--去除首尾的空格，split（）--以空格分割数据.返回list数据/**这一部分对数据集进行操作**/3）用join（）函数将列表数据转化成字符串4）将数据写入文件write()例：删除文件的第列数据。python实现代码如下# -*- coding: utf-8 -*"""Created on M...
组队学习-图神经网络 Taks 03
shell的专栏
06-23 391
1、知识梳理 1.1 图卷积神经网络 $$\mathbf{x}^{\prime}_i = \alpha_{i,i}\mathbf{\Theta}\mathbf{x}_{i} +\sum_{j \in \mathcal{N}(i)} \alpha_{i,j}\mathbf{\Theta}\mathbf{x}_{j},$$ 1.2 图注意力神经网络 2、使用[PyG中不同的图卷积模块在[PyG的不同数据集]上实现节点分类或回归任务。 ...
Python机器学习实验二：1.编写代码，实现对iris数据集的KNN算法分类及预测
于笨笨的博客
03-21 4680
Python机器学习实验二：编写代码，实现对iris数据集的KNN算法分类及预测 1、编写代码，实现对iris数据集的KNN算法分类及预测，要求： （1）数据集划分为测试集占20%； （2）n_neighbors=5； （3）评价模型的准确率； （4）使用模型预测未知种类的鸢尾花。 import numpy as np from sklearn.model_selection import train_test_split from sklearn.datasets import load_iris fro
图卷积神经网络GCN之节点分类
m0_61142248的博客
04-11 3342
使用pytorch 的相关神经网络库， 手动编写图卷积神经网络模型(GCN)， 并在相应的图结构数据集上完成节点分类任务。
Python：主成分分析PCA手写代码
DeniuHe的博客
09-27 1557
import numpy as np from sklearn.decomposition import PCA from sklearn import datasets y = np.array([[1,5,6],[4,3,9],[4,2,9],[4,7,2]]) # 四行三列 def pca(X,k): n,m = X.shape mean = np.mean(X,axi...
pyg GCN 分类
05-19
PyG GCN分类是指使用PyTorch Geometric（PyG）库中的图卷积神经网络（GCN）进行节点分类任务。节点分类是指给定一个图，预测每个节点的标签。GCN是一种用于处理图结构数据的深度学习方法，它利用节点之间的关系来提取特征。在PyG中，可以使用GCN模型来处理图形数据。 具体来说，PyG GCN分类任务的步骤如下： 1. 加载数据集，将其转换为PyG中的数据格式。 2. 定义GCN模型，包括输入层、隐藏层和输出层，并定义损失函数和优化器。 3. 对数据进行训练，通过反向传播来更新模型参数。 4. 对测试集进行预测，计算准确率等评价指标。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

海洋 之心

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值