GraphSAGE-for-Node-Classification

所有代码可直接在Colab运行

一、数据集

三类数据集：Cora, Citeseer, Pubmed

Items	Cora	Citeseer	Pubmed
#Nodes	2708	3327	19717
#Edges	5429	4732	44338
#Features	1433	3703	500
#Classes	7	6	3

1.1 Cora数据集

2708个节点，5429条边。标签共7个类别。数据集的特征维度是1433维。

Cora数据集的节点是机器学习论文，论文主题（标签）分为以下七类之一：

Case_Based基于案例

Genetic_Algorithms遗传算法

Neural_Networks神经网络

Probabilistic_Methods概率方法

Reinforcement_Learning强化学习

Rule_Learning规则学习

Theory理论

论文的选择方式是，在最终语料库中，每篇论文引用或被至少一篇其他论文引用（即没有孤立点存在）。

1.2 CiteSeer数据集

CiteSeer数据集(引文网络)中，论文分为六类：

Agents

AI（人工智能）

DB（数据库）

IR（信息检索）

ML（机器语言）

HCI

共包含3312篇论文，记录了论文之间引用或被引用信息。去除停用词和在文档中出现频率小于10次的词，整理得到3703个唯一词。

1.3 Pubmed数据集

Pubmed数据集(引文网络)包括来自Pubmed数据库的19717篇关于糖尿病的科学出版物，分为三类：

Diabetes Mellitus, Experimental

Diabetes Mellitus Type 1

Diabetes Mellitus Type 2

引文网络由44338个链接组成。数据集中的每个出版物都由一个由500个唯一单词组成的字典中的TF/IDF加权词向量来描述。

二、实现方法

GraphSAGE

三、结果

Dataset	Cora	Citeseer	Pubmed
Accuracy	0.7790	0.5660	0.7510
F1_score	0.7790	0.5456	0.7519
AUC	0.96	0.85	0.89