1.GNN学习资源:
- 课程CS224W
- 课程资料作业及PPT 提取码:u1iz
- 书籍:图深度学习(马耀)
- DataWhale开源资料
2.简单图论与复杂网络
2.1 复杂网络模型
- 随机网
- 世界网
- 无标度网
2.2图论中的基本概念(这里不赘述,只记录比较重要的概念)
-
度
-
行走
-
路径
-
最短路径: p s t s p = arg min p ∈ P s t ∣ p ∣ p_{\mathrm{s} t}^{\mathrm{sp}}=\arg \min _{p \in \mathcal{P}_{\mathrm{st}}}|p| pstsp=argminp∈Pst∣p∣
-
连通分量
-
连通图
-
直径: diameter ( G ) = max v s , v t ∈ V min p ∈ P s t ∣ p ∣ \operatorname{diameter}(\mathcal{G})=\max _{v_{s}, v_{t} \in \mathcal{V}} \min _{p \in \mathcal{P}_{s t}}|p| diameter(G)=maxvs,vt∈Vminp∈Pst∣p∣
-
拉普拉斯矩阵(Laplacian Matrix):
L = D − A \mathbf{L=D-A} L=D−A,其中 D = d i a g ( d ( v 1 ) , ⋯ , d ( v N ) ) \mathbf{D=diag(d(v_1), \cdots, d(v_N))} D=diag(d(v1),⋯,d(vN))。
-
对称归一化的拉普拉斯矩阵: L = D − 1 2 ( D − A ) D − 1 2 = I − D − 1 2 A D − 1 2 \mathbf{L=D^{-\frac{1}{2}}(D-A)D^{-\frac{1}{2}}=I-D^{-\frac{1}{2}}AD^{-\frac{1}{2}}} L=D−21(D−A)D−21=I−D−21AD−21
2.3 图的种类:
-
同质图(Homogeneous Graph):只有一种类型的节点和一种类型的边的图。
-
异质图(Heterogeneous Graph):存在多种类型的节点和多种类型的边的图。
-
二部图(Bipartite Graphs):节点分为两类,只有不同类的节点之间存在边。
2.4图结构上的机器学习
主要分为三个级别
-
结点级别和边级别 :
- 节点预测:预测节点的类别或某类属性的取值(eg: 对是否是潜在客户分类、对游戏玩家的消费能力做预测)
- 边预测:预测两个节点间是否存在链接(eg: Knowledge graph completion、好友推荐、商品推荐)
-
社区(子图)级别 :
- 节点聚类:检测节点是否形成 一个社区(社交圈检测)
-
图级别:
- 图生成:例如药物发现
- 图演变:例如物理模拟
- …
2.5为什么在图上应用机器学习?
-
规格化数据的形式: 矩阵、张量、序列(sequence)和时间序列(time series)
-
非结构化数据(图数据):
- 任意大小、拓扑结构复杂
- 没有固定结点排序或参考点
- 动态、多模态
- 不只有节点信息和边的信息还包括图的拓扑结构
-
现实世界的数据大多数都非结构化的数据(不像图像和文本等结构化数据各个点之间服从独立同分布),现实世界的数据各个点之间的联系可能非常紧密
3.环境配置与PyG库
3.1环境配置
- python -c命令:可以在命令行中执行 python 代码
$ python -c "import torch; print(torch.__version__)"
# 1.8.1
$ python -c "import torch; print(torch.version.cuda)"
# 11.1
-
安装PyG库时版本一定要对应(否则各种错误层出不穷)
-
我本机的环境:pytorch1.8.0、cuda10.2
-
安装方法:
pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.8.0+cu102.html pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.8.0+cu102.html pip install torch-cluster -f https://pytorch-geometric.com/whl/torch-1.8.0+cu102.html pip install torch-spline-conv -f https://pytorch-geometric.com/whl/torch-1.8.0+cu102.html pip install torch-geometric
-
3.2 Data类
3.2.1 Data对象的创建
# Data类的构造函数
class Data(object):
def __init__(self, x=None, edge_index=None, edge_attr=None, y=None, **kwargs):
r"""
Args:
x (Tensor, optional): 节点属性矩阵,大小为`[num_nodes, num_node_features]`
edge_index (LongTensor, optional): 边索引矩阵,大小为`[2, num_edges]`,第0行为尾节点,第1行为头节点,头指向尾
edge_attr (Tensor, optional): 边属性矩阵,大小为`[num_edges, num_edge_features]`
y (Tensor, optional): 节点或图的标签,任意大小(,其实也可以是边的标签)
"""
self.x = x
self.edge_index = edge_index
self.edge_attr = edge_attr
self.y = y
for key, item in kwargs.items():
if key == 'num_nodes':
self.__num_nodes__ = item
else:
self[key] = item
-
一个图至少包含以下5个属性:
- x, edge_index, edge_attr, y, num_nodes
-
*args:
- 表示任何多个无名参数,它是一个tuple
-
**kwargs:
- 表示关键字参数,它是一个dict
3.2.2 Data对象的类型转换
-
dict对象转为Data对象:
-
from_dict: 类方法
graph_dict = { 'x': x, 'edge_index': edge_index, 'edge_attr': edge_attr, 'y': y, 'num_nodes': num_nodes, 'other_attr': other_attr } graph_data = Data.from_dict(graph_dict)
-
-
Data
对象转换成其他类型数据-
Data
对象转换为dict
对象def to_dict(self): return {key: item for key, item in self}
-
Data
对象转换为转换为namedtuple
def to_namedtuple(self): keys = self.keys DataTuple = collections.namedtuple('DataTuple', keys) return DataTuple(*[self[key] for key in keys])
-
3.3 Dataset类
- 生成数据集(内置数据集)
- 数据集的划分:
- 训练集: train_mask
- 验证集:val_mask
- 测试集:test_mask
from torch_geometric.datasets import Planetoid
dataset = Planetoid(root='./dataset/Cora', name='Cora') #注意这里改为./(当前目录)
data = dataset[0]
model = Net().to(device) # Net为自己定义的模型
data = dataset[0].to(device)
optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4)
model.train() # 训练
for epoch in range(200):
optimizer.zero_grad()
out = model(data)
loss = F.nll_loss(out[data.train_mask], data.y[data.train_mask])
loss.backward()
optimizer.step()
4.作业
4.1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:
- 用不同的属性存储不同节点的属性
- 用不同的属性存储不同的边(边没有属性)
- 逐一实现获取不同节点数量的方法
4.2题解
class MyData(Data):
def __init__(self, institution_x, author_x, paper_x, work_edge_index, publish_edge_index, work_edge_attr, publish_edge_attr, y, **kwargs):
super().__init__(**kwargs)
self.institution_x = institution_x
self.author_x = author_x
self.paper_x = paper_x
self.work_edge_index = work_edge_index
self.publish_edge_index = publish_edge_index
self.work_edge_attr = work_edge_attr
self.publish_edge_attr = publish_edge_attr
self.y = y
@property
def num_nodes_institution(self):
return self.institution_x.shape[0]
@property
def num_nodes_author(self):
return self.author_x.shape[0]
@property
def num_nodes_paper(self):
return self.paper_x.shape[0]
5. 参考资料
-
DataWhale开源学习资料:https://github.com/datawhalechina/team-learning-nlp/tree/master/GNN
-
PyG官方文档:https://pytorch-geometric.readthedocs.io/en/latest/index.html