超图的顶点度矩阵D_v
liuzhh1998 opened this issue · comments
如果生成一个5个顶点以及3条边的超图，超边的权重为2,3,4
hg = dhg.Hypergraph(5, [(0, 1, 2), (2, 3), (0, 4)], [2.0, 3.0, 4.0])
dhg中计算得到的D_v为 ：
tensor([[2., 0., 0., 0., 0.],
[0., 1., 0., 0., 0.],
[0., 0., 2., 0., 0.],
[0., 0., 0., 1., 0.],
[0., 0., 0., 0., 1.]])
但是按照实际的定义以及论文“Hypergraph Neural Networks”所展示的：
For a vertex v ∈ V, its degree is defined as d(v) =Σ ω(e)h(v, e)
从严谨的角度来讲，这里你提的问题是对的，确实D_v应该多乘上一个W。我这里因为目前处理的都是等权超边的超图，所以实现D_v的时候只对H的列做了sum，并没有乘上W。我会在下个版本修复这个bug，或者你也可以尝试提交pull request哦！
预计一周内会发一个新版本，你还有没有一些其他的需求？我可以顺便都加上
好，在实际的超图的抽象类里面，我已经增加了顶点权重，原本计划后续版本再把顶点权重放出来。我可以在下个版本提前增加顶点权重到无向超图类里面！
Reference in
Fix in 7786e2d .
hg = dhg.Hypergraph(5, [(0, 1, 2), (2, 3), (0, 4)], [2.0, 3.0, 4.0])
最新main分支中dhg中计算得到的D_v为 ：
tensor([[6., 0., 0., 0., 0.],
[0., 2., 0., 0., 0.],
[0., 0., 5., 0., 0.],
[0., 0., 0., 3., 0.],
[0., 0., 0., 0., 4.]])
方便的话，可以star一下哦！
在 e17fc95 增加了 v_weight
在超图构建的时候传入参数v_weight即可初始化节点权重
W_v : https://deephypergraph.readthedocs.io/en/latest/api/dhg.html#dhg.Hypergraph.W_v
这个新特性预计这两天随着dhg 0.9.3 一起发布
已发布 0.9.3 https://pypi.org/project/dhg/
可以直接pip install dhg 来安装0.9.3啦