RandomLinkSplit无法使用HeteroData

Question

在处理自己的数据时，torch-geometric遇到了一些严重的问题。我试图构建一个图，它有4个不同的节点实体(其中只有1个具有一些节点特征，其他都是简单节点(和5个不同的边类型(其中只有一个具有权重(。我通过构建一个HeteroData()对象并加载带有标签、属性等的不同矩阵来做到这一点

当我尝试调用RandomLinkSplit时，问题就出现了。以下是我的呼叫：

import torch_geometric.transforms as T

transform = T.RandomLinkSplit(
num_val = 0.1,
num_test = 0.1,
edge_types = [('Patient', 'suffers_from', 'Diagnosis'),
('bla', 'bla', 'bla') #I copy all the edge types here
],

)

但我得到了空的AssertionError，条件是：

assert is instance(rev_edge_types, list)

因此，我认为我需要像教程中那样将图转换为无向(出于某种奇怪的原因(，然后对反向边进行采样(尽管我不需要它们(：

import torch_geometric.transforms as T
data = T.ToUndirected()(data)
transform = T.RandomLinkSplit(
num_val = 0.1,
num_test = 0.1,
edge_types = [('Patient', 'suffers_from', 'Diagnosis'),
('bla', 'bla', 'bla') #I copy all the edge types here
],
rev_edge_types = [('Diagnosis', 'rev_suffers_from', 'Patient'),
...
]

)

但是这次我得到了错误CCD_ 5。

有专家知道为什么会发生这种情况吗？我只是想做一个训练测试拆分，从文档中我读到异构图应该得到很好的支持，但我不明白为什么这不起作用，我已经尝试了很多时间不同的东西。

任何帮助都将不胜感激！感谢

Answer 1

您应该尝试对每条边进行拆分，并一次对一种边类型进行训练。

transform = T.RandomLinkSplit(
num_val = 0.1,
num_test = 0.1,
edge_types = ('Patient', 'suffers_from', 'Diagnosis'),
rev_edge_types = ('Diagnosis', 'rev_suffers_from', 'Patient')

)