# exp4

**Repository Path**: sunNAU/exp4

## Basic Information

- **Project Name**: exp4
- **Description**: 大数据理论与技术基础-实验课4（GNN）
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-04-09
- **Last Updated**: 2024-04-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# exp4

## 介绍

大数据理论与技术基础-实验课4（GNN）

## 实验目的

1. 掌握图神经网络的基本构建方法；
2. 能够根据需要实现网络搭建、参数设置，并记录输出结果。

## 实验内容

1. 使用环境exp2，编程实现经典的图神经网络——GCN

- 使用cora数据集，完成模型训练与测试
- 记录loss曲线和测试精度

2. 探索不同网络结构的性能影响

- 改变隐藏层维度
- 增加GNN层数
- 分析dropout的影响

3. 根据公开文档，使用DGL实现GCN[*选做]

- DGL：https://docs.dgl.ai/api/python/nn-pytorch.html#conv-layers

## 实验要求

1. 在cora数据集上编程实现图神经网络；
2. 探索不同网络结构的性能影响，记录loss曲线和测试精度；

## 结果提交

1. 提交实验报告（统一命名为：学号_姓名.docx）；
2. 提交源代码（删掉数据集文件）；
3. 代码文件夹命名为学号，且与实验报告位于同一级。


## References

[1] [Kipf & Welling, Semi-Supervised Classification with Graph Convolutional Networks, 2016](https://arxiv.org/abs/1609.02907)


## 数据集cora

Cora数据集，该数据集由 2708 篇论文，及它们之间的引用关系构成的 5429 条边组成。这些论文被根据主题划分为7类，分别是神经网络、强化学习、规则学习、概率方法、遗传算法、理论研究、案例相关。每篇论文的特征是通过词袋模型得到的，维度为1433，每一维表示一个词，1表示该词在这篇文章中出现过，0表示未出现。