MAXP-DGL-solution(MAXP竞赛DGL图数据模型)

任务背景

任务：图节点性质预测，即预测节点(论文)所属的类别。

数据：基于微软学术文献生成的论文关系图，其中的节点是论文，边是论文间的引用关系。包括约150万个节点，2000万条边。节点包含300维的特征来自论文的标题和摘要等内容。

依赖包：

• dgl==0.7.1
• pytorch==1.7.0
• pandas
• numpy
• gensim

模型运行：

1. 5个Jupyter Notebook文件使用Jupyter环境运行
2. 训练GNN模型

python n2v.py
python train.py

参考资料

1. Shi, Yunsheng, et al. "Masked label prediction: Unified message passing model for semi-supervised classification." arXiv preprint arXiv:2009.03509 (2020).
2. Wang, Yangkun, et al. "Bag of tricks for node classification with graph neural networks." arXiv preprint arXiv:2103.13355 2.3 (2021).