PyG处理异构图（Heterogeneous Graph）代码实现

最新推荐文章于 2024-11-28 10:11:33 发布
最新推荐文章于 2024-11-28 10:11:33 发布
阅读量351 收藏 1
点赞数
CC 4.0 BY-SA版权
文章标签： 机器学习-深度学习
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.youkuaiyun.com/PlHtml/article/details/133112799
本文介绍了如何使用PyTorch Geometric（PyG）处理异构图，包括安装PyG、定义异构图、实现消息传递函数，并通过代码展示了异构图的处理过程。

异构图是由不同类型的节点和边组成的图。在处理异构图时，我们需要考虑节点和边的类型，并且能够有效地对其进行建模和分析。PyTorch Geometric（PyG）是一个用于图神经网络的Python库，它提供了处理异构图的功能。在本文中，我们将介绍如何使用PyG来处理异构图，并提供相应的源代码。

首先，我们需要安装PyG库。可以通过以下命令使用pip安装PyG：

pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.9.0+cpu.html
pip i
了解本专栏 订阅专栏 解锁全文
PyG异构图Heterogeneous Graphs
优快云 精品推荐
03-05 1043
与异构图对立就是同构图，也就是图中的节点类型和边的类型一致代表的含义相同，向我们在学习数据结构接触到的图都是同构图，所以节点含义相同，对于边的含义也是相同代表两个节点之间的相连关系，如果存在联系则存在边，稍复杂一点就是在边上面存在权重。
PyG处理异构图Heterogeneous Graph代码实现
优快云 精品推荐
03-06 1317
异构图在图任务中非常常见，例如社交推荐图、论文引用图等，对于这类图使用传统的同构网络 `GCN`、`GAT` 是无法处理的，所以想要处理异构图 `Heterogeneous Graph` ，这里提供了几种实现策略，供小伙伴们参考：将同构网络模型转化为异构网络模型，将异构图转化为同构图，使用异构卷积包装器(Heterogenous Convolution Wrapper)搭建异构网络，使用异构卷积算子(Heterogenous Operators)搭建异构网络。
如何创建并训练异构图GCN神经网络(以论文引用数据集为例)
weixin_67482129的博客
10-23 2556
注意一下边的构造形式，以data['paper', 'cites', 'paper'].edge_index为例，在描述paper到paper的边的时候，要按照“起始点”——“边的名称”——“终点”的格式传入。很明显，上面的例子里创建的GNN模型是一个同构图模型。注意，此时输入的不是data[‘...’].x等，而是把所有种类的节点信息全部按照字典的形式输入，所以x的输入是用.x_dict，同理，边的信息也是用的..._dict的形式。相互之间的关系也分为：具有主题，引用，撰写，隶属XX机构。
【PyG】异构图学习 - 图神经网络
C橘子
12-30 1万+
使用PyG库进行异构图神经网络学习
【图神经网络】从0到1使用PyG手把手创建异构图
小哲的博客
04-03 7356
异构图的准确定义如下：异构图（Heterogeneous Graphs）：一个异构图GGG有一组节点V=v1,v2,...,vnV=v_1,v_2,...,v_nV=v1​,v2​,...,vn​和一组边E=e1,e2,...,emE=e_1,e_2,...,e_mE=e1​,e2​,...,em​组成，其中每个节点和每条边都对应着一种类型，用TvT_vTv​表示节点类型的集合，TeT_eTe​表示边类型的集合，一个异构图有两个映射函数，分别将每个节点映射到其对应的类型ϕv:V→Tv\phi_v:V\rig
PyG创建自定义异构图Heterogeneous Graphs数据集
优快云 精品推荐
03-04 2213
对于异构图来说，它的属性和同构图类似，也是分为节点特征、边特征、边信息等，但是由于异构图有不同类型的节点以及不同类型的边，所以在定义这些特征时需要传入多个类别的特征向量。，所以说如果我们要进行封装我们自己的异构图数据，我们就需要定义。这个类，然后将我们的数据封装在内。
使用PYG搭建数据集——异构图
weixin_46348136的博客
05-22 447
仅记录个人学习状态
PyG基于MetaPath2Vec实现异构图节点分类及其可视化
优快云 精品推荐
02-02 1968
本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。
使用PyG创建自定义异构图数据集
ZksProlog的博客
09-23 531
对象来存储异构图数据，并根据你的任务需求添加节点特征、边索引、边类型和目标标签。这样，你就可以使用PyG构建异构图神经网络模型，并对自定义数据集进行训练和评估。，它是PyG中用于存储异构图数据的特殊数据对象。总结起来，PyG提供了方便且强大的功能来创建和处理自定义异构图数据集。，它是一个字典，包含了不同类型节点的特征张量。，它是一个字典，键是边类型，值是对应的边索引张量。通过上述代码，我们成功地创建了一个自定义的异构图数据集，并使用PyG的。，它是一个张量，表示每个节点的目标标签。然后，我们创建了一个。
HGSL:图神经网络AAAI21-异构图结构学习的源代码-Source code learning
03-25
HGSL AAAI提交的源代码“图神经网络的异构图结构学习” 要求 Python包 Python> = 3.6.8 火炬> = 1.3.0 GPU内存要求 ACM> = 8G DBLP> = 5G Yelp> = 3G 用法 以DBLP数据集为例：python train.py --dataset ='dblp'
SELAR:PyTorch正式实施“具有异构图元路径的自我监督辅助学习”。 NeurIPS 2020年
05-02
异构图元路径的自我监督辅助学习 该存储库是的实现。 黄达索（Dasol Hwang） * ，金永公园（Jinyoung Park） * ，孙永权，金敬敏，河正宇，金贤宇（Jyun-woo J.Kim），具有异构图元路径的自我监督辅助学习，神经信息处理系统的高级（NeurIPS 2020） 。 数据预处理 我们使用和数据集进行链接预测。 从此下载meta-paths标签（ meta_labels/ ）。 data/music/ ratings_final.npy ：由KGNN-LS发布预处理评价文件; kg_final.npy ：知识图文件； meta_labels/ pos_meta{}_{}.pickle ：辅助任务的元路径肯定标签 neg_meta{}_{}.pickle ：辅助任务的元路径否定标签 data/book/ ratings_final.npy ：由Ripple
代码库：DGL_异构图神经网络的基本框架
U got this
04-11 989
文章目录创建HGNN查看HGNN属性与编号节点（边）特征metapath根据metapath取子图HGNN 2 GNN消息传递 import torch as th import dgl Using backend: pytorch 创建HGNN graph_data = { ('a', 'B', 'b'): (th.tensor([0, 0]), th.tensor([1, 2])), ('b', 'C', 'b'): (th.tensor([1]), th.tensor([2]))
PyG：异构图到同构图数据的转换
YovcGit的博客
09-21 403
在PyG中，我们可以将异构图数据转换为同构图数据，以便更方便地应用于GNNs的训练和推理过程。通过将不同类型的节点特征拼接在一起，并调整相应的边索引，我们可以方便地将异构图数据表示为同构图数据，以便于在图神经网络中使用。通过PyG提供的强大工具和模型，我们可以更加高效地处理和分析各种类型的图数据，从而实现更加准确和强大的图分析任务。然后，我们将每一种类型的边索引进行相应的调整，以便在同构图中正确表示节点之间的连接关系。在本文中，我们将介绍如何使用PyG将异构图数据转换为同构图数据，并给出相应的源代码示例。
同构和异构经典图神经网络汇总+pytorch代码
明日韭菜
11-23 4223
针对一些同构图神经网络GCN/GAT/GraphSAGE和异构图神经网络RGCN/HAN/HGT等汇总，以及一些代码参考
如何用Python编写代码实现异构图节点分类及其可视化功能？
2301_81121233的博客
11-28 1313
下面是一个完整的Python示例，展示如何使用`DGL`实现异构图的节点分类任务，并通过`matplotlib`和`networkx`进行可视化。-`create_heterogeneous_graph`函数创建包含`user`和`game`两种节点类型的异构图，并为每种节点类型添加了特征。-图的可视化展示了`user`和`game`节点及其之间的关系，节点颜色表示分类结果（例如，红色表示类别1，蓝色表示类别0）。-`HGT`类定义了一个简单的异构图神经网络模型，用于节点分类任务。
DGL官方教程--异构图
热门推荐
weixin_45613751的博客
02-02 1万+
Note: Click here to download the full example code Working with Heterogeneous Graphs Author: Quan Gan, Minjie Wang, Mufei Li, George Karypis, Zheng Zhang 在此教程中，我们将要学到以下内容： 异构图形数据的示例和典型应用。 在DGL中创建和处...
使用 PyTorch Geometric 和 GCTConv实现异构图、二部图上的节点分类或者链路预测
刘文凯的博客
04-15 2338
定义异构图的元数据字典 meta_dict，其中 ‘n1’ 和 ‘n2’ 分别表示两种节点类型，而 (‘n1’, ‘e1’, ‘n2’) 表示从类型 ‘n1’ 的节点到类型 ‘n2’ 的节点有一条边，这条边的索引和权重分别为 edge_index_e1 和 edge_weight_e1。edge_index_e2=torch.flip(edge_index_e1, (0,)) 创建逆向的边，由于是二部图无向图所以需要。定义异构元数据列表 meta_list，其中包含所有节点类型和边类型的名称信息。
【图神经网络】Pytorch图神经网络库——PyG异构图学习
小哲的博客
12-25 3946
异构图具有不同类型的信息附加到节点和边上。因此，由于类型和维数的差异，单个节点或边特征张量不能包含整个图的所有节点或边特征。相反，需要为节点和边分别指定一组类型，每个类型都有自己的数据张量。由于数据结构的不同，消息传递公式也随之改变，允许以节点或边类型为条件计算消息和更新函数。作为一个示例，我们从OGB数据集看一下异构网络: 给定的异构图有1,939,743个节点，节点类型分为作者、论文、机构和研究领域四种。它还有21,111,007条边，属于以下四种类型之一:这个图的任务是根据图中存储的信息推断出每一篇
R-GCN 和普通的 GCN 有什么区别？ 如何在异构图中实现元路径的采样和特征提取？ 如何使用 HAN（Hierarchical Attention Network）处理异构图？
最新发布
08-10
- 专为**异构图（Heterogeneous Graph）**设计，适用于多类型边和多类型节点。 - 每种**关系类型**（relation）都有独立的权重矩阵。 - 消息传递公式如下： $$ h_i^{(l+1)} = \sigma\left( \sum_{r \in \mathcal{R...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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
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