在DGL中使用GCN的边要素

Question

我正在尝试在Python的深度图学习(DGL)包中实现一个图形卷积网络(GCN)。在许多论文中，边具有离散的特征，并且每个可能的值都与不同的权重矩阵或权重矩阵集相关联。here就是一个例子。有人熟悉如何在DGL中实现这样的模型吗？DGL团队的graph classification GCN示例，我在网上找到的another example也是如此。

Answer 1

我不确定这个问题是否仍然需要回答，但我猜它归结为如何使用DGL实现像R-GCN或HGT这样的模型。其中一些图层内置了DGL here。但它也很容易实现您自己的计算。下面的解释只有当你知道DGL的基本计算过程(message，reduce，apply_node)时才有意义，否则DGL在这方面也有很好的教程。例如，要将通常的图形计算扩展到不同类型的边，您需要创建一个异构图形对象，并在该图形对象上调用multi_update_all。您可以将字典传递给该函数，该函数指定每个边类型的计算。