近几年来，针对图结构化数据的机器学习算法发展得如火如荼，其中图神经网络作为最新的图机器学习研究方向获得了广泛的关注，相关的论文也成为主流人工智能会议的热点方向。在现实场景里，图神经网络在计算机视觉、自然语言处理、生物制药、知识图谱、推荐系统等多个领域得到了应用，并取得了良好的表现。
- 赛题的任务是进行点性质预测，即预测节点(论文)所属的类别。
- 本次比赛使用的图数据是基于微软学术文献生成的论文关系图，其中的节点是论文，边是论文间的引用关系。整个图包括约150万个节点，2000万条边。节点包含300维的特征，来自论文的标题和摘要等内容。节点属于约50个类别。
Scalable and Adaptive Graph Neural Networks with Self-Label-Enhanced training
- 节点特征统计特征 node info
- 随机游走统计特征 walk_label_features
- node2vec特征
特征工程1,2的想法来源于队友Arthur Morgan，感谢！
python sagn.py
python CorrectAndSmooth.py
注：没有采用SLE的方式进行训练
55.9~
PS：时间原因代码未整理，不过代码无bug可直接运行，有帮助记得给个star~
Remark：除了特征工程带来上分，一个重要的上分点在于label use的方式，通过切换masked节点带来上分