【GNN框架系列】DGL第一讲：使用Deep Graph Library实现GNN进行节点分类

最新推荐文章于 2025-03-14 08:02:00 发布

原创

最新推荐文章于 2025-03-14 08:02:00 发布 · 2.5k 阅读

22 ·

CC 4.0 BY-SA版权

文章标签：

#知识图谱 #DGL #GNN框架 #节点分类 #GNN

本文详细介绍了使用DGL和Pytorch实现GCN模型在Cora引文数据集上进行节点分类的过程，包括数据概述、模型构建和训练步骤。

作者：CHEONG

公众号：AI机器学习与知识图谱

研究方向：自然语言处理与知识图谱

本文先简单概述GNN节点分类任务，然后详细介绍如何使用Deep Graph Library + Pytorch实现一个简单的两层GNN模型在Cora引文数据上实现节点分类任务。若需获取模型的完整代码，可关注公众号后回复：DGL第一讲完整代码

一、GNN节点分类概述

节点分类是图/图谱数据上常被采用的一个学习任务，既是用模型预测图中每个节点的类别。在GNN模型被提出之前，常用的模型如DeepWalk，Node2Vec等，都是借助序列属性和节点自身特性进行预测，但显然图数据不像NLP中的文本数据那样具有序列依赖性。相比之下，GNN系列模型是利用节点的邻接子图，使用子图汇聚的方式先获得节点表征，再对节点类别进行预测。例如，在2017年Kipf et al.等提出的GCN模型将图的节点分类问题看作一个半监督学习任务。即只利用图中一小部分节点，模型就可以准确预测其他节点的类别。

接下来的实验将通过构建GCN模型，在Cora数据集上进行半监督节点分类任务的训练和预测。Cora数据集是一个引文网络，其中节点是代指某篇论文，节点之间的边代表论文之间的相互引用关系。

NumNodes	NumEdges	NumFeats	NumClasses
2708	10556	1433	7

Num Training Samples	Num Validation Samples	Num Test Samples
140	500	1000

如上表格所示，Cora引文网络共包含2708个节点，10556个边，其中每个节点由1433维特征组成，每个特征代表词库中的一个Word，如果此篇论文中包含这个Word则这一维特征为1，否则这一维特征为0。在训练数据划分上，其中训练集140个样本节点，验证集500个，测试集1000个。目的是训练模型少标签半监督任务的预测能力。Cora引文网络中节点共分为七类，因此节点分类任务是个七分类问题。

二、DGL实现GNN节点分类

接下来使用DGL框架实现GNN模型进行节点分类任务，对代码进行逐行解释。

1 import dgl
2 import torch
3 import torch.nn as nn
4 import torch.nn.functional as F

首先，上述四行代码，先加载需要使用的dgl库和pytorch库；

1 import dgl.data
2 dataset = dgl.data.CoraGraphDataset()
3 print('Number of categories:', dataset.num_classes)
4 g = dataset[0]

上面第二行代码，加载dgl库提供的Cora数据对象，第四行代码，dgl库中Dataset数据集可能是包含多个图的，所以加载的dataset对象是一个list，list中的每个元素对应该数据的一个graph，但Cora数据集是由单个图组成，因此直接使用dataset[0]取出graph。

print('Node features: ', g.ndata)
print('Edge features: ', g.edata)

看上面两行代码，需要说明DGL库中一个Graph对象是使用字典形式存储了其Node Features和Edge Features，其中第一行g.ndata使用字典结构存储了节点特征信息，第二行g.edata使用字典结构存储了边特征信息。对于Cora数据集的graph来说，Node Features共包含以下五个方面：

\1. train_mask: 指示节点是否在训练集中的布尔张量

\2. val_mask: 指示节点是否在验证集中的布尔张量

\3. test_mask: 指示节点是否在测试机中的布尔张量

\4. label: 每个节点的真实类别

\5. feat: 节点自身的属性

1  from dgl.nn import GraphConv
2  
3  class GCN(nn.Module):
4      def __init__(self, in_feats, h_feats, num_classes):
5          super(GCN, self).__init__()
6          self.conv1 = GraphConv(in_feats, h_feats)
7          self.conv2 = GraphConv(h_feats, num_classes)
8  
9      def forward(self, g, in_feat):
10         # 这里g代表的Cora数据Graph信息，一般就是经过归一化的邻接矩阵
11         # in_feat表示的是node representation，即节点初始化特征信息
12         h = self.conv1(g, in_feat)
13         h = F.relu(h)
14         h = self.conv2