CorrectAndSmooth-dgl:DGL的“结合标签传播和简单模型优于图形神经网络”的实现（ICLR 2021）

DGL CorrectAndSmooth的实现 该DGL示例实现了的论文中提出的GNN模型。 有关原始实现，请参见。 贡献者： 要求 该代码库在Python 3.7中实现。 有关软件包的版本要求，请参见下文。 dgl 0.6.0.post1 torch 1.7.0 ogb 1.3.0 本示例中使用的图形数据集 开放图基准（OGB）。 数据集摘要： 数据集 ＃节点 ＃边缘 ＃节点专长 公制 ogbn-arxiv 169,343 1,166,243 128 准确性 ogbn产品 2,449,029 61,859,140 100 准确性 用法 训练基本预测变量，并使用在不同数据集上遵循原始超参数的正确与平滑。 ogbn-arxiv MLP + C＆S python main.py python main.py --pretrain 线性+ C＆S python ma