之前做过一点知识图谱相关的工作，了解过一些图相关的知识，可惜之前没有做好记录，只是做了相关内容，具体细节已经忘掉了。

正好毕业设计也是这方面相关的，涉及图神经网络和数据处理方面的，不过嘛，毕业设计的水分还是很足的，大部分是工程相关的，因此也是主要来写怎么处理工程问题，而不是相关算法问题，算法主要是通过复现老师的代码。

神经网络相关

数据集

一共有两类数据集，分别是基础数据集和 reddit 数据集。下面分别介绍这两种数据集。

基础数据集

所谓基础数据集指的是 torch_geometric 中自带的数据集，本次只使用了两种类别，其他内置数据集就没有认真调查了，这两类分别是 Planetoid 和 Amazon。

Planetoid 的名称是来自论文 Revisiting Semi-Supervised Learning with Graph Embeddings. Zhilin Yang, William W. Cohen, Ruslan Salakhutdinov. ICML 2016.

Amazon Amazon Co-purchase Dataset（亚马逊共购数据集）是一组基于Amazon网站“Customers Who Bought This Item Also Bought”功能的开放图数据集，用于研究产品间的共购关系和消费者行为模式。

torch_geometric 中返回的数据格式为，以 cora 为例子，Planetoid 和 Amazon 返回格式基本相同。

1
Data(x=[2708, 1433], edge_index=[2, 10556], y=[2708], train_mask=[2708], val_mask=[2708], test_mask=[2708])

这里面的相关含义：

  • x=[2708, 1433]：（节点特征矩阵）节点数；每个节点的维度特征
  • edge_index=[2, 10556]：（边索引矩阵，邻接矩阵）起点；终点；（方向，无向图就没有）
  • y=[2708]：（节点标签）：节点数
  • train_mask=[2708]：（训练集掩码）
  • val_mask=[2708]：（验证集掩码）
  • test_mask=[2708]：（测试集掩码）

Reddit

reddit 数据集主要的格式为

1
{"directed": false, "graph": {}, "nodes": [{"test": false, "id": "2hgylt", "val": false}], "links":[]}

数据处理

  • 处理为 COO 格式，然后直接手动计算两层多阶邻域特征，加速运算（本质是一阶切比雪夫近似），我自己也没看的特别懂，具体可以参考知乎文章
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
def get_adj_feats(target_data):
    """
    从图数据中提取邻接矩阵和特征
    
    处理流程：
    1. 构建邻接矩阵（从edge_index）
    2. 添加自环
    3. 归一化邻接矩阵
    4. 计算两跳邻接矩阵（norm_adj^2）
    5. 使用两跳邻接矩阵进行特征传播（相当于2层GCN）
    
    Args:
        target_data: torch_geometric数据对象，包含edge_index和x
        
    Returns:
        feat: 传播后的节点特征 [num_nodes, feat_dim]
        norm_adj2: 两跳归一化邻接矩阵
    """
    # 从edge_index构建邻接矩阵（COO格式）
    adj0 = sp.coo_matrix((np.ones(target_data.edge_index.shape[1]),
                         (target_data.edge_index[0, :], target_data.edge_index[1, :])),
                        shape=(target_data.num_nodes, target_data.num_nodes), dtype=np.float32)

    # 添加自环（每个节点连接到自身）
    adj = adj0 + sp.eye(adj0.shape[0])
    
    # 归一化邻接矩阵
    norm_adj = normalize_adj(adj)
    # 计算两跳邻接矩阵（相当于2层GCN的传播），在计算新的节点特征时，不仅要考虑邻居节点的信息，也可以将自身节点的信息考虑进去。
    norm_adj2 = norm_adj @ norm_adj
    
    # 获取原始特征
    feat0 = target_data.x
    
    # 使用两跳邻接矩阵进行特征传播
    # 这相当于执行了2层GCN的前向传播：H^(2) = A^2 * X
    feat2 = norm_adj2 @ feat0
    
    # 可选：也可以拼接不同层的特征 [feat0, feat1, feat2]
    # feat = np.concatenate((feat0, feat1, feat2), axis=1)
    feat = feat2
    
    return feat, norm_adj2

COO 格式主要是通过 （row，col，data）的形式来保存，但是是通过三个数据分别来进行保存的
alt text

工程设计相关

Neo4j

安装

至于 jdk21 的安装，可以直接使用 open jdk，ubuntu 直接安装就行

1
sudo apt install openjdk-21-jre

关于多版本 jdk 怎么处理，和其他 neo4j 安装的相关内容可以参考这部分安装指南