D2BiGCN

D2BiGCN (A Dimension-Disentangled Dual Bidirectional GCNs) 是一个基于图卷积网络的双向图神经网络模型，用于图节点分类任务。

环境要求

• Python 3.7+
• PyTorch 1.8+
• NumPy
• SciPy
• scikit-learn

训练模型

python main_cora.py --dataset cora --n-epochs 1000 --lr 0.0001

参数说明

• --dataset: 数据集名称 (cora, citeseer, C-M10-M)
• --n-epochs: 训练轮数
• --lr: 学习率
• --dropout: Dropout概率
• --train-val-class: 训练和验证类别数量
• --wd: L2正则化权重
• --lambda_coeff: Barlow Twins损失系数

示例命令

# 在Cora数据集上训练
python main_cora.py --dataset cora --n-epochs 1000 --lr 0.0001 --dropout 0.5

# 在CiteSeer数据集上训练
python main_cora.py --dataset citeseer --n-epochs 2000 --lr 0.0001

# 在C-M10-M数据集上训练
python main_cora.py --dataset C-M10-M --n-epochs 1500 --lr 0.0001

数据集

项目支持以下数据集：

1. Cora: 论文引用网络
2. CiteSeer: 论文引用网络
3. C-M10-M: 多标签分类数据集

每个数据集包含：

• feature.txt: 节点特征
• graph.txt: 图结构（边列表）
• group.txt: 节点标签
• group-match.txt: 标签匹配信息

结果

训练结果会自动保存到 ./DBiGCN/ 目录下，包含：

• 训练日志
• 模型性能指标
• 特征可视化（可选）

注意事项

• 确保有足够的GPU内存用于训练
• 训练时间可能较长，建议使用GPU加速
• 邮件通知功能需要配置SMTP服务器

许可证

本项目仅供学术研究使用。

联系方式

如有问题，请通过GitHub Issues联系。