论文

https://github.com/Jhy1993/Representation-Learning-on-Heterogeneous-Graph

HAN

异构图注意力网络（WWW-2019）的源代码。

该源代码基于 GAT。

参考文献

如果您使用了 HAN 模型或我们论文中发布的数据集，请在您的论文中引用以下内容：

@article{han2019,
title={Heterogeneous Graph Attention Network},
author={Xiao, Wang and Houye, Ji and Chuan, Shi and  Bai, Wang and Peng, Cui and P. , Yu and Yanfang, Ye},
journal={WWW},
year={2019}
}

如何预处理 DBLP？

示例：preprocess_dblp.py

幻灯片

https://github.com/Jhy1993/HAN/blob/master/0516纪厚业%20www%20ppt%20copy.pdf

问答

1. 我们的实验中的 ACM_3025 是基于其他论文中预处理过的 ACM 数据集 (\data\ACM\ACM.mat)。主题包括神经网络、多目标优化和人脸识别等。在 ACM3025 中，PLP 实际上就是 PSP。您可以在我们的代码中找到相关信息。
2. 在 ACM 数据集中，train+val+test 的节点数小于总节点数。这是因为我们的模型是半监督学习模型，只需要少量标签即可进行优化。节点总数可以在基于元路径的邻接矩阵中找到。
3. “该模型可以为之前未见过的节点甚至未见过的图生成节点嵌入”意味着所提出的 HAN 模型可以进行归纳式实验。然而，我们目前尚未找到此类异构图数据集。详细信息请参考 GraphSAGE 和 GAT 的实验设置，尤其是 PPI 数据集的部分。
4. 元路径可以是对称的，也可以是非对称的。HAN 可以通过将不同类型的节点投影到同一空间来处理它们。
5. 我们能否更改数据集的划分并重新进行一些实验？当然可以，您可以自行划分数据集，只要所有模型都使用相同的划分方式即可。
6. 如何运行基线模型（例如 GCN），并报告基线模型的最佳性能？以 ACM 为例，我们通过元路径 PAP 和 PSP 将异构图转换为两个同构图。对于基于 PAP 的同构图，它只包含一种类型的节点——论文，并且通过 PAP 连接两篇论文。然后，我们在这两个图上分别运行 GCN，并报告最佳性能。参考文献：https://arxiv.org/pdf/1902.01475v1.pdf 和 http://web.cs.wpi.edu/~xkong/publications/papers/www18.pdf。
7. 数据预处理的几个原则：1）提取所有元路径邻居都存在的节点；2）提取可能有助于识别节点特征的有意义特征。例如，如果所有节点都具有某个特征，则该特征无意义；如果只有少数节点具有某个特征，则该特征同样无意义。3）提取平衡的节点标签，即不同类别应具有几乎相等数量的节点。对于 k 个类别，每个类别应选择 500 个节点并打上标签，这样我们就得到 500×k 个标注节点。

数据集

预处理后的 ACM 数据集可在以下链接找到： https://pan.baidu.com/s/1V2iOikRqHPtVvaANdkzROw 提取码：50k2

https://bupteducn-my.sharepoint.com/:u:/g/personal/jhy1993_bupt_edu_cn/EfLZcHE2e4xBplCVnzcJbQYBurNVOCk7ZIne2YsO3jKbSw?e=vMQ18v

预处理后的 DBLP 数据集可在以下链接找到： https://pan.baidu.com/s/1Qr2e97MofXsBhUvQqgJqDg 提取码：6b3h

https://bupteducn-my.sharepoint.com/:u:/g/personal/jhy1993_bupt_edu_cn/Ef6A6m2njZ5CqkTN8QcwU8QBuENpB7eDVJRnsV9cWXWmsA?e=wlErKk

预处理后的 IMDB 数据集可在以下链接找到： 链接:https://pan.baidu.com/s/199LoAr5WmL3wgx66j-qwaw 密码:qkec

运行

下载预处理好的数据，并修改 def load_data_dblp(path='/home/jhy/allGAT/acm_hetesim/ACM3025.mat') 中的数据路径：

python ex_acm3025.py

DGL 中的 HAN

https://github.com/dmlc/dgl/tree/master/examples/pytorch/han

HAN (异构图注意力网络) 快速上手指南

HAN (Heterogeneous Graph Attention Network) 是发表于 WWW-2019 的异构图神经网络模型。本指南基于官方 PyTorch 实现，帮助开发者快速运行实验。

环境准备

• 操作系统: Linux / macOS / Windows
• 语言版本: Python 3.6+
• 核心依赖:
  • PyTorch
  • NumPy
  • SciPy
• 可选框架: DGL (Deep Graph Library)，官方已提供 DGL 版本实现。

建议先安装基础科学计算库：

pip install torch numpy scipy

安装步骤

本项目主要为研究代码，无需通过 pip 安装包，直接克隆源码即可使用。

1. 克隆仓库

   git clone https://github.com/Jhy1993/Representation-Learning-on-Heterogeneous-Graph.git
   cd Representation-Learning-on-Heterogeneous-Graph
   

2. 获取预处理数据集 由于原始数据预处理较复杂，推荐直接下载作者提供的预处理好的 .mat 文件（ACM, DBLP, IMDB）。

   • ACM 数据集:

     • 百度网盘: 链接 (提取码: 50k2)
     • 微软云盘: 链接

   • DBLP 数据集:

     • 百度网盘: 链接 (提取码: 6b3h)
     • 微软云盘: 链接

   • IMDB 数据集:

     • 百度网盘: 链接 (密码: qkec)

   下载后，将文件放置在项目目录或自定义路径下。

基本使用

以下以运行 ACM 数据集为例，展示最基础的训练流程。

1. 配置数据路径 打开 ex_acm3025.py 文件，找到 load_data_dblp 函数调用处（注意：虽然函数名为 load_data_dblp，但在该脚本中用于加载 ACM 数据），修改 path 参数为你实际存放 .mat 文件的路径。

   # 在 ex_acm3025.py 中修改此行
   # 将路径指向你下载的 ACM3025.mat 文件
   data = load_data_dblp(path='/your/path/to/ACM3025.mat') 
   

2. 运行训练脚本 在终端执行以下命令启动训练：

   python ex_acm3025.py
   

   程序将自动构建异构图，执行元路径（Meta-path）聚合，并输出节点分类的准确率结果。

进阶：使用 DGL 版本

如果你更习惯使用 DGL 框架，官方已在 DGL examples 中集成了 HAN 实现，可直接参考：

git clone https://github.com/dmlc/dgl.git
cd dgl/examples/pytorch/han
# 按照该目录下的 README 运行