基於圖的神經網絡是強大的模型，可以學習網絡中的複雜模式。在本文中，我們將介紹如何爲同構圖數據構造PyTorch Data對象，然後訓練不同類型的神經網絡來預測節點所屬的類。這種類型的預測問題通常被稱爲節點分類。
我們將使用來自Benedek Rozemberczki, Carl Allen和Rik Sarkar於2019年發佈的“Multi-scale Attributed Node Embedding”論文中的Facebook Large Page-Page Network¹數據集。
該數據集包含22,470個Facebook頁面，按主題分爲四類。由不同大小的特徵向量表示。數據集還包含Facebook pages 上跟隨其他page的信息。網絡中有171,992個鏈接或邊。
https://avoid.overfit.cn/post/885ad3f5eb424045b02408699c45e340