torch_geometric.transforms.GDC

class GDC(self_loop_weight: float = 1.0, normalization_in: str = 'sym', normalization_out: str = 'col', diffusion_kwargs: Dict[str, Any] = {'alpha': 0.15, 'method': 'ppr'}, sparsification_kwargs: Dict[str, Any] = {'avg_degree': 64, 'method': 'threshold'}, exact: bool = True)

基础类：BaseTransform

通过“扩散改进图学习”论文中的图扩散卷积（GDC）处理图（功能名称：gdc）。

注意

本文提供了关于如何选择超参数的额外建议。 有关使用GCN与GDC的示例，请参见examples/gcn.py。

Parameters:

• self_loop_weight (float, optional) – 添加的自环的权重。 设置为 None 以不添加自环。（默认值：1）

• normalization_in (str, 可选) – 原始（输入）图上转移矩阵的归一化。可能的取值： "sym", "col", 和 "row"。 详情请参见 GDC.transition_matrix()。 (默认值: "sym")

• normalization_out (str, optional) – 转换后的GDC（输出）图上的转移矩阵的归一化。可能的值为： "sym", "col", "row", 和 None. 详情请参见 GDC.transition_matrix()。 (默认值: "col")

• diffusion_kwargs (dict, optional) – 包含扩散参数的字典。 method 指定扩散方法 ("ppr", "heat" 或 "coeff")。 每种扩散方法需要不同的额外参数。 详情请参见 GDC.diffusion_matrix_exact() 或 GDC.diffusion_matrix_approx()。 (默认: dict(method='ppr', alpha=0.15))

• sparsification_kwargs (dict, optional) – 包含稀疏化参数的字典。 method 指定稀疏化方法 ("threshold" 或 "topk")。 每种稀疏化方法需要不同的附加参数。 详情请参见 GDC.sparsify_dense()。 (默认值: dict(method='threshold', avg_degree=64))

• exact (bool, optional) – 是否精确计算扩散矩阵。 请注意，精确变体不可扩展。 它们会将邻接矩阵密集化，并计算其逆矩阵或矩阵指数。 然而，近似变体不支持边权重，并且目前仅实现了个性化PageRank和通过阈值稀疏化的快速近似版本。 (默认值: True)

Return type:

torch_geometric.data.Data