AmazonCoBuyComputerDataset

class dgl.data.AmazonCoBuyComputerDataset(raw_dir=None, force_reload=False, verbose=False, transform=None)[source]

基类: GNNBenchmarkDataset

AmazonCoBuy 数据集中的 'Computer' 部分，用于节点分类任务。

Amazon Computers 和 Amazon Photo 是 Amazon 共同购买图 [McAuley et al., 2015] 的一部分，其中节点代表商品，边表示两个商品经常一起被购买，节点特征是袋装词编码的产品评论，类别标签由产品类别给出。

参考: https://github.com/shchur/gnn-benchmark#datasets

统计数据

节点数: 13,752
边数: 491,722 (注意：原始数据集有 245,778 条边，但 DGL 添加了反向边并去除了重复，因此数量不同)
类别数: 10
节点特征大小: 767

参数:

raw_dir (str) – 下载/包含输入数据目录的原始文件目录。默认值: ~/.dgl/
force_reload (bool) – 是否重新加载数据集。默认值: False
verbose (bool) – 是否打印进度信息。默认值: True。
transform (callable, optional) – 一个转换函数，接受一个 DGLGraph 对象并返回一个转换后的版本。在每次访问之前，DGLGraph 对象将被转换。

num_classes

每个节点的类别数。

类型:: int

示例

>>> data = AmazonCoBuyComputerDataset()
>>> g = data[0]
>>> num_class = data.num_classes
>>> feat = g.ndata['feat']  # get node feature
>>> label = g.ndata['label']  # get node labels

__getitem__(idx)

通过索引获取图

参数:

idx (int) – 项目索引

返回:

图包含

ndata['feat']: 节点特征
ndata['label']: 节点标签

返回类型:

dgl.DGLGraph

__len__(): 数据集中的图数量