7、图神经网络节点分类：从简单神经网络到图卷积网络

图神经网络节点分类：从简单神经网络到图卷积网络

1. 数据集准备

在进行节点分类任务时，我们会用到两个图数据集：Cora 和 Facebook Page - Page。与 Cora 不同，Facebook Page - Page 默认没有训练、评估和测试掩码，我们可以使用 range() 函数来创建这些掩码：

data.train_mask = range(18000)
data.val_mask = range(18001, 20000)
data.test_mask = range(20001, 22470)

或者，在加载数据集时，使用 PyTorch Geometric 的转换函数来计算随机掩码：

import torch_geometric.transforms as T
dataset = Planetoid(root=".", name="Cora")
data = dataset[0]

2. 基于简单神经网络的节点分类

2.1 节点特征处理

这两个数据集包含了新类型的信息：节点特征。在简单神经网络（多层感知机，MLP）中，这些嵌入直接用于模型进行下游任务，如节点分类。我们可以将节点特征视为常规的表格数据集，通过合并 data.x （包含节点特征）和 data.y （包含每个节点的类别标签），将其转换为 Pandas DataFrame