DGL
同质图
使用DGL框架调用图神经网络算法作节点分类时，需要准备的主要是两个东西：
1、节点特征矩阵
2、拓扑图
其中拓扑图的格式要求是：DGLGraph，有三种方式得到这种格式：
1、自己添加和节点和边
import dgl
import torch as th
g = dgl.graph(([0, 0, 1, 5], [1, 2, 2, 0])) # 6个节点，4条边
2、转化其他形式的数据,如networkx的图和scipy的稀疏矩阵（作为邻接矩阵）
import dgl
import torch as th
import scipy.sparse as sp
spmat = sp.rand(100, 100, density=0.05) # 5%非零项
dgl.from_scipy(spmat) # 来自SciPy
import networkx as nx
nx_g = nx.path_graph(5) # 一条链路0-1-2-3-4
dgl.from_networkx(nx_g) # 来自NetworkX
3、从csv文件加载图
import pandas as pd
import dgl
nodes_data = pd.read_csv('data/nodes.csv')
edges_data = pd.read_csv('data/edges.csv')
src = edges_data['Src'].to_numpy()
dst = edges_data['Dst'].to_numpy()
# Create a DGL graph from a pair of numpy arrays
g = dgl.graph((src, dst))
# Print a graph gives some meta information such as number of nodes and edges.
print(g)
异质图
相比同质图，异质图里可以有不同类型的节点和边。这些不同类型的节点和边具有独立的ID空间和特征。 例如在下图中，”用户”和”游戏”节点的ID都是从0开始的，而且两种节点具有不同的特征。
一个异构图示例。该图具有两种类型的节点(“用户”和”游戏”)和两种类型的边(“关注”和”玩”)。
在DGL中，一个异构图由一系列子图构成，一个子图对应一种关系。每个关系由一个字符串三元组 定义 (源节点类型, 边类型, 目标节点类型)。由于这里的关系定义消除了边类型的歧义，DGL称它们为规范边类型。
下面的代码是一个在DGL中创建异构图的示例。
import dgl
import torch as th
# 创建一个具有3种节点类型和3种边类型的异构图
graph_data = {
('drug', 'interacts', 'drug'): (th.tensor([0, 1]), th.tensor([1, 2])), #tensor值代表(源节点，目标节点)
('drug', 'interacts', 'gene'): (th.tensor([0, 1]), th.tensor([2, 3])),
('drug', 'treats', 'disease'): (th.tensor([1]), th.tensor([2]))
}
g = dgl.heterograph(graph_data)
g.ntypes
##['disease', 'drug', 'gene']
g.etypes
##['interacts', 'interacts', 'treats']
g.canonical_etypes
##[('drug', 'interacts', 'drug'),
##('drug', 'interacts', 'gene'),
##('drug', 'treats', 'disease')]
与异构图相关联的 metagraph 就是图的模式。它指定节点集和节点之间的边的类型约束。 metagraph 中的一个节点 u 对应于相关异构图中的一个节点类型。 metagraph 中的边 (u,v) 表示在相关异构图中存在从 u 型节点到 v 型节点的边。
>> g
Graph(num_nodes={'disease': 3, 'drug': 3, 'gene': 4},
# 节点数是根据节点出现的最大值决定的，如gene出现的最大值是3，所以有四个节点
num_edges={('drug', 'interacts', 'drug'): 2,
('drug', 'interacts', 'gene'): 2,
('drug', 'treats', 'disease'): 1},
metagraph=[('drug', 'drug', 'interacts'),
('drug', 'gene', 'interacts'),
('drug', 'disease', 'treats')])
>> g.metagraph().edges()
OutMultiEdgeDataView([('drug', 'drug'), ('drug', 'gene'), ('drug', 'disease')])
注意，同构图和二分图只是一种特殊的异构图，它们只包括一种关系。
# 一个同构图
dgl.heterograph({('node_type', 'edge_type', 'node_type'): (u, v)})
# 一个二分图
dgl.heterograph({('source_type', 'edge_type', 'destination_type'): (u, v)})
PyTorch Geometric
使用PYG框架调用图神经网络算法作节点分类时，需要准备的是：
