gcn

الرسم البياني الشبكات التلافيفية

هذا هو تنفيذ Tensorflow للشبكات التلافيفية الرسم البياني لمهمة تصنيف العقد (شبه الخاضعة للإشراف) في الرسم البياني ، كما هو موضح في ورقتنا:

Thomas N. Kipf ، Max Welling ، تصنيف شبه خاضع للإشراف مع شبكات "الرسم البياني" (ICLR 2017)

للحصول على شرح رفيع المستوى ، ألق نظرة على منشور المدونة لدينا:

Thomas KIPF ، الشبكات التلافيفية الرسم البياني (2016)

تثبيت

python setup.py install

متطلبات

• TensorFlow (> 0.12)
• NetworkX

تشغيل العرض التوضيحي

 cd gcn
python train.py

بيانات

من أجل استخدام بياناتك الخاصة ، يجب عليك تقديمها

• A n by n matrix المجاورة (n هو عدد العقد) ،
• مصفوفة ميزة N بواسطة D (D هي عدد الميزات لكل عقدة) ، و
• A N بواسطة مصفوفة التسمية الثنائية (E هي عدد الفئات).

إلقاء نظرة على وظيفة load_data() في utils.py على سبيل المثال.

في هذا المثال ، نقوم بتحميل بيانات شبكة الاقتباس (CORA ، CiteSer أو PubMed). يمكن العثور على مجموعات البيانات الأصلية هنا: http://www.cs.umd.edu/~sen/lbc-proj/lbc.html. في نسختنا (انظر مجلد data ) ، نستخدم انقسامات مجموعة البيانات التي توفرها https://github.com/kimiyoung/planetoid (Zhilin Yang ، William W. Cohen ، Ruslan Salakhutdinov ، إعادة النظر في التعلم شبه الخاضع للإشراف مع الجريمة الجاهزة ، ICML 2016).

يمكنك تحديد مجموعة بيانات على النحو التالي:

python train.py --dataset citeseer

(أو عن طريق تحرير train.py )

النماذج

يمكنك الاختيار بين النماذج التالية:

• gcn : الشبكة التلافيفية الرسم البياني (Thomas N. KIPF ، Max Welling ، تصنيف شبه خاضع للإشراف مع شبكات "الرسم البياني" ، 2016)
• gcn_cheby : الإصدار متعدد الحدود CHEBYSHEV من شبكة "الرسم البياني" الشبكة "كما هو موضح في (Michaël Defferrard ، Xavier Bresson ، Pierre Vandergheynst ، الشبكات العصبية التلافيفية على الرسوم البيانية مع تصفية طيفية سريعة المترجمة ، Nips 2016)
• dense : Perceptron الأساسي متعدد الطبقات الذي يدعم المدخلات المتفرقة

تصنيف الرسم البياني

يدعم إطار عملنا أيضًا تصنيف الدُفعات لحالات الرسم البياني المتعدد (بحجم مختلف محتمل) مع مصفوفة مجاورة لكل منها. من الأفضل تسلسل مصفوفات الميزات ذات الصلة وبناء مصفوفة (متناثرة) من الحجم حيث تتوافق كل كتلة مع مصفوفة مجاورة لمثيل رسم بياني واحد. لتجميع (في حالة المخرجات على مستوى الرسم البياني بدلاً من مخرجات مستوى العقدة) ، من الأفضل تحديد مصفوفة تجميع بسيطة تجمع الميزات من مثيلات الرسم البياني الخاصة بها ، كما هو موضح أدناه:

استشهد

يرجى استشهاد ورقتنا إذا كنت تستخدم هذا الرمز في عملك الخاص:

 @inproceedings{kipf2017semi,
  title={Semi-Supervised Classification with Graph Convolutional Networks},
  author={Kipf, Thomas N. and Welling, Max},
  booktitle={International Conference on Learning Representations (ICLR)},
  year={2017}
}