基于 Keras 的图深度学习

用于半监督分类 (Semi-supervised classification) 的图卷积网络 (Graph Convolutional Networks) 的 Keras 实现。

Thomas N. Kipf, Max Welling, Semi-Supervised Classification with Graph Convolutional Networks (ICLR 2017)

对于高层解释，请参阅我们的博客文章：

Thomas Kipf, Graph Convolutional Networks (2016)

注意：本代码并非旨在复现论文中的实验，因为初始化方案 (Initialization scheme)、Dropout 方案 (Dropout scheme) 和数据集划分 (Dataset splits) 与 TensorFlow 中的原始实现不同：https://github.com/tkipf/gcn

安装

python setup.py install

依赖

• Keras (1.0.9 或更高版本)
• TensorFlow 或 Theano

用法

python train.py

数据集参考 (Cora)

Sen et al., Collective Classification in Network Data, AI Magazine 2008

引用

如果您在自己的工作中使用了本代码，请引用我们的论文：

@inproceedings{kipf2017semi,
  title={Semi-Supervised Classification with Graph Convolutional Networks},
  author={Kipf, Thomas N. and Welling, Max},
  booktitle={International Conference on Learning Representations (ICLR)},
  year={2017}
}

keras-gcn 快速上手指南

本项目是基于 Keras 实现的图卷积网络（GCN），主要用于半监督分类任务。

环境准备

请确保您的开发环境满足以下依赖要求：

• keras：版本 1.0.9 或更高
• 后端引擎：TensorFlow 或 Theano

提示：国内用户安装依赖时建议使用国内镜像源（如清华源）以加速下载。

安装步骤

下载项目代码后，在终端进入项目根目录，执行以下命令进行安装：

python setup.py install

基本使用

安装完成后，可直接运行训练脚本启动默认任务（使用 Cora 数据集）：

python train.py