图神经网络学习图基本知识图的分类图的度和邻居图的邻接矩阵PyG学习Data类首先，假设给定如下一张图：该图是无权无向图，图中共有5个节点，每个节点用一个三维向量来表示。我们构建一个表示该图数据的Data对象。首先将所需要的包导入import torchfrom torch_geometric.data import Data其次，构建节点特征矩阵：x = [[0,1,0],[1,1,3],[2,1

超大图上的表征学习本文主要参考DataWhale图神经网络组队学习主要介绍的模型是Cluster-GCN。模型主体思想Cluster-GCN提出：1.利用图节点聚类算法将一个图的节点划分为 个簇，每一次选择几个簇的节点和这些节点对应的边构成一个子图，然后对子图做训练。2.由于是利用图节点聚类算法将节点划分为多个簇，所以簇内边的数量要比簇间边的数量多得多，所以可以提高表征利用率，并提高图神经网络的训

零基础入门推荐系统（新闻推荐）比赛介绍本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第五场 —— 零基础入门推荐系统之新闻推荐场景下的用户行为预测挑战赛。赛题简介此次比赛是新闻推荐场景下的用户行为预测挑战赛， 该赛题是以新闻APP中的新闻推荐为背景， 目的是要求我们根据用户历史浏览点击新闻文章的数据信息预测用户未来的点击行为， 即用户的最后一次点击的新闻文章， 这道赛题的设计初衷