GNN打卡1

首先，简单回顾了图论方面的知识，其中拉普拉斯矩阵是图卷积节点嵌入的基本原理。

其次，搭建了环境。

最后，学习了PYG中Data和dataset的使用。data.Data类用来表示图数据集，有很多方便的函数和属性。dataset模块里面则包含了很多现成的数据集供使用。

作业：

class NewData(torch_geometric.data.Data):
    def __init__(self,node_org=None,node_author=None,node_paper=None,edge_index_a_o=None,edge_index_a_p=None):
        super().__init__()
        # 不同节点的属性
        self.node_org = node_org
        self.node_author = node_author
        self.node_paper = node_paper
        # 不同的边
        self.edge_index_a_o = edge_index_a_o
        self.edge_index_a_p = edge_index_a_p
    
    # 获取节点数的函数
    def get_org_num(self):
        print('机构节点数量:',self.node_org.shape[0])
    
    def get_author_num(self):
        print('作者节点数量:',self.node_author.shape[0])
    
    def get_paper_num(self):
        print('论文节点数量:',self.node_org.shape[0])

简单的测试：

这里，我认为可以将节点的编号作为节点的第一个特征，以便和edge_index对应？