新冠疫苗项目实战,助力疫情!
图神经网络(Graph Neural Network)是一种专门处理图结构数据的神经网络,目前被广泛应用于推荐系统、金融风控、生物计算中。图神经网络的经典问题主要有三种,包括节点分类、连接预测和图分类三种。本次比赛是图神经网络7日打卡课程的大作业,主要让同学们熟悉如何图神经网络处理节点分类问题。
数据集为论文引用网络,图由大量的学术论文组成,节点之间的边是论文的引用关系,每一个节点提供简单的词向量组合的节点特征。我们的目的是给每篇论文推断出它的论文类别。
运行方式
本次基线基于飞桨PaddlePaddle 1.8.4版本,若本地运行则可能需要额外安装pgl、easydict、pandas等模块。
本地运行
下载左侧文件夹中的所有py文件(包括build_model.py, model.py),以及work目录,然后在右上角“文件”->“导出Notebook到py”,这样可以保证代码是最新版本),执行导出的py文件即可。完成后下载submission.csv提交结果即可。
非常感谢百度在这次实践中对我的帮助,在实战中,如何把要解决的问题对应到图是重要的一步,然后定义节点、边及其属性。图构建完成了,剩下的就是套模型和调参的机械动作了。下次有机会还要报名百度的深度学习课程!~