首先,简单回顾了图论方面的知识,其中拉普拉斯矩阵是图卷积节点嵌入的基本原理。
其次,搭建了环境。
最后,学习了PYG中Data和dataset的使用。data.Data类用来表示图数据集,有很多方便的函数和属性。dataset模块里面则包含了很多现成的数据集供使用。
作业:
class NewData(torch_geometric.data.Data):
def __init__(self,node_org=None,node_author=None,node_paper=None,edge_index_a_o=None,edge_index_a_p=None):
super().__init__()
# 不同节点的属性
self.node_org = node_org
self.node_author = node_author
self.node_paper = node_paper
# 不同的边
self.edge_index_a_o = edge_index_a_o
self.edge_index_a_p = edge_index_a_p
# 获取节点数的函数
def get_org_num(self):
print('机构节点数量:',self.node_org.shape[0])
def get_author_num(self):
print('作者节点数量:',self.node_author.shape[0])
def get_paper_num(self):
print('论文节点数量:',self.node_org.shape[0])
简单的测试:
这里,我认为可以将节点的编号作为节点的第一个特征,以便和edge_index对应?