Yuxuan Wei

您好，非常感谢您对我们工作的关注！关于您的问题，我尝试回答一下： 1. 对于情感分析任务，由于数据集本身没有图结构，所以我们通过预处理构造了超图进行计算。我们把每一条博文看作一个节点，根据特征的knn得到每个节点的k个近邻，这些k近邻的团簇看作超边，由此构造超图，从而以该超图结构作为初始结构进行计算。这部分内容在文章中也介绍过，更加具体的信息可以参考文章。 2. DHGNN目前没有提供分batch的实现方式，在目前的条件下，确实无法胜任特别大规模数据的计算。针对超图神经网络的分batch计算，我们正在研究，相关工作不久将投稿，到时欢迎关注。 不知道上述回复能否解决您的疑问，再次感谢！

您好，非常感谢您对我们工作的关注！关于您的问题，我尝试回答一下： 1. 对于情感分析任务，由于数据集本身没有图结构，所以我们通过预处理构造了超图进行计算。我们把每一条博文看作一个节点，根据特征的knn得到每个节点的k个近邻，这些k近邻的团簇看作超边，由此构造超图，从而以该超图结构作为初始结构进行计算。这部分内容在文章中也介绍过，更加具体的信息可以参考文章。 2. DHGNN目前没有提供分batch的实现方式，在目前的条件下，确实无法胜任特别大规模数据的计算。针对超图神经网络的分batch计算，我们正在研究，相关工作不久将投稿，到时欢迎关注。 不知道上述回复能否解决您的疑问，再次感谢！ 从 Windows 版邮件发送 发件人: ***@***.***> 发送时间: 2022年3月18日 16:01 收件人: ***@***.***> 抄送: ***@***.***> 主题: [iMoonLab/DHGNN] 关于微博推文情感分析任务的一些疑问 (Issue #43) 作者你好，阅读论文后发现你们关于动态构建超图网络的想法非常酷，也很受启发。特别是论文中谈到的关于微博推文情感分析任务，我觉得用超图网络来做情感分析任务很有意思。 我想问一下关于使用动态超图网络来做情感分析任务的一些细节问题，因为我没有从代码里找到关于情感分析任务相关的代码或者微博推文数据处理的代码。 1. 不同于cora数据，情感分析任务中的数据本身不存在图结构（把每一篇推文看作一个节点的话，节点之间是没有关联的）。所以我很好奇，针对情感分析任务，输入数据是不存在结构（edge_dict节点仅自相关），还是说对数据做了预处理，节点之间构建了关联并将其作为先验知识输入模型。如果做了预处理，是怎么样做的？ 2. 关于训练数据，不知道我理解有没有偏差，我没有在代码中看到batch_size的设置，模型似乎是针对所有训练数据进行建模的。我看到论文里介绍的推文数据量是5550条，如果数据量较大，例如有20万条推文，该方法是否可行？有哪些应对方法？（我看到代码中有矩阵H和G计算，节点数量到十万量级那么矩阵计算代价会非常恐怖） ―...

G是HGNN（Feng Y, You H, Zhang Z, et al. Hypergraph neural networks[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2019, 33(01): 3558-3565.）的卷积核矩阵，在本文中用于特征降维

_nearest_select计算距离用的是cosine距离，cosine值越大，cosine距离越近