Datawhale 任务5

超大图上的节点表征学习

引用自Datawhale
https://github.com/datawhalechina/team-learning-nlp/tree/master/GNN

前文内容：

1. 图神经网络打卡task1
2. Datawhale 图神经网络task2
3. Datawhale 图神经网络task3
4. Datawhale 图神经网络task4

超大图的定义是什么？

• 当图结构中节点与边的数量达到千万甚至上亿级别时，这种规模的数据形式对内存存储能力以及GPU计算性能均提出了较高要求。
• 在图神经网络中，若网络层级过多，类似于计算机视觉领域中深度较大的模型结构，可能会引发过度平滑的现象。

本部分内容主要参考了论文Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Network

Cluster-GCN方法概述

为应对传统手段难以在超大规模图结构中实现节点表征学习的困境，Cluster-GCN论文提出了以下策略：

• 通过应用图节点聚类算法，将图