CoauthorCSDataset

class dgl.data.CoauthorCSDataset(raw_dir=None, force_reload=False, verbose=False, transform=None)[源代码]

基类: GNNBenchmarkDataset

用于节点分类任务的 Coauthor 数据集中的“计算机科学 (CS)”部分。

Coauthor CS 和 Coauthor Physics 是基于 KDD Cup 2016 挑战赛中的 Microsoft Academic Graph 构建的合著图。图中，节点是作者，如果他们合著过论文，则通过边连接；节点特征表示每位作者论文的关键词，类别标签表示每位作者最活跃的研究领域。

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

统计信息

  • 节点数: 18,333

  • 边数: 163,788 (注意：原始数据集有 81,894 条边，但 DGL 添加了反向边并移除了重复项，因此数量不同)

  • 类别数: 15

  • 节点特征大小: 6,805

参数:

  • raw_dir (str) – 下载或包含输入数据目录的原始文件目录。默认为: ~/.dgl/

  • force_reload (bool) – 是否重新加载数据集。默认为: False

  • verbose (bool) – 是否打印进度信息。默认为: 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。该 DGLGraph 对象将在每次访问前进行转换。

num_classes

每个节点的类别数。

类型:

int

示例

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

按索引获取图

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__()

数据集中图的数量