Graph Embedding预处理：对图中部分节点进行处理

Graph Embedding优化：只对目标节点进行训练

• 原理
• 代码
• • 创建子图代码
  • main代码（以gcn为例）

在实际训练过程中，并没有必要将整个图输入神经网络进行全连接训练。实际上我们只需要关注图中具有train_mask标记的节点，在这种情况下直接对整个图进行全连接 training不仅会占用大量计算资源而且还会导致内存不足的问题因此我们可以考虑采取一种更为高效的方法通过预先从图中提取所需的目标节点及其n阶邻居信息并存储起来后 在后续的模型 training过程中直接调用这些预处理的数据 就可以大幅减少计算开销

原理

无论是GCN还是GAT，在每一层网络中主要完成的工作都是通过某种机制将节点特征与其邻接节点特征进行融合计算以生成新的特征向量。随着层数的增加每一层都会引入更多层级的邻接信息从而使得后续计算所依赖的节点范围逐步扩大。对于常见的两层GCN架构以及两层GAT模型我们只需关注目标节点与其直接相连的一级邻居以及二级相连关系即可构建相应的子图来进行数据传播过程

该新的子图仅包含子图中节点之间的连接关系