dgl.transforms

结构和特征的变换

BaseTransform	用于编写变换的抽象类。
Compose	创建由多个变换按顺序组成的变换。
AddSelfLoop	为图中的每个节点添加自环并返回一个新图。
RemoveSelfLoop	删除图中的每个节点的自环并返回一个新图。
AddReverse	为输入图中每条边 \((j,i)\) 添加一条反向边 \((i,j)\) 并返回一个新图。
ToSimple	将图转换为没有平行边的简单图并返回一个新图。
LineGraph	返回输入图的线图。
KHopGraph	返回其边连接原图的 \(k\) 跳邻居的图。
AddMetaPaths	根据给定的元路径向输入图添加新边，如 Heterogeneous Graph Attention Network 中所述。
GCNNorm	对输入图应用对称邻接归一化并保存结果边权重，如 Semi-Supervised Classification with Graph Convolutional Networks 中所述。
PPR	对输入图应用个性化 PageRank (PPR) 进行传播，如 The pagerank citation ranking: Bringing order to the web 中所述。
HeatKernel	对输入图应用热核进行传播，如 Diffusion kernels on graphs and other discrete structures 中所述。
GDC	对输入图应用图扩散卷积 (GDC)，如 Diffusion Improves Graph Learning 中所述。
NodeShuffle	随机打乱节点。
DropNode	随机丢弃节点，如 Graph Contrastive Learning with Augmentations 中所述。
DropEdge	随机丢弃边，如 DropEdge: Towards Deep Graph Convolutional Networks on Node Classification 和 Graph Contrastive Learning with Augmentations 中所述。
AddEdge	随机添加边，如 Graph Contrastive Learning with Augmentations 中所述。
RandomWalkPE	随机游走位置编码，如 Graph Neural Networks with Learnable Structural and Positional Representations 中所述。
LapPE	拉普拉斯位置编码，如 Benchmarking Graph Neural Networks 中所述。
FeatMask	随机遮掩节点和边特征张量的列，如 Graph Contrastive Learning with Augmentations 中所述。
RowFeatNormalizer	对 node_feat_names 和 edge_feat_names 中给定的特征进行行归一化。
SIGNDiffusion	来自 SIGN: Scalable Inception Graph Neural Networks 的扩散算子。
ToLevi	此函数将原图转换为其异构 Levi 图，通过将边转换为中间节点，仅支持同构有向图。
SVDPE	基于 SVD 的位置编码，如 Global Self-Attention as a Replacement for Graph Convolution 中所述。