ByteCat

顶点与边的特征。

从外部来源构造一个DGLGraph对象的方法。

DGL中的有向图和无向图。

DGL中的顶点、边。

训练一个图注意力网络解决cora数据集中的论文分类问题。

训练一个局部图卷积网络解决cora数据集中的论文分类问题。

训练一个图卷积网络解决cora数据集中的论文分类问题。

图嵌入算法发展到神经网络时代，涌现出一大批优质的图神经网络模型。基于神经网络的图嵌入算法不再仅仅局限于节点的邻接信息，而开始将节点本身的特征纳入模型考量，并逐渐从静态的直推式学习向动态的归纳式学习演变，无论是拟合能力还是泛化能力，都大大提升。

图嵌入（Graph Embedding，也叫Network Embedding）是一种将图数据映射为低微稠密向量的过程，能够很好地解决图数据难以高效输入机器学习算法的问题。

Louvain（鲁汶）算法是基于模块度（modularity）计算的社区识别算法。