一、DGL库的实现与性能 实现GNN并不容易，因为它需要在不规则数据上实现较高的GPU吞吐量。 1、DGL库简介 DGL库的逻辑层使用了顶点域的处理方式，使代码更容易理解。同时，又在底层的内存和运行效率方面做了大量的工作，使得框架可以发挥出更好的性能。 2、DGL库特点 GCMC：DGL的内存优化支持在一个GPU上对MovieLens10M数据集进行训练（原实现需要从CPU中动态加载数据

RGCN（使用图卷积网络建模关系型数据） 摘要 R-GCN，将其应用于两个标准的知识库完成任务:链接预测(恢复丢失的事实三元组)和实体分类(恢复丢失的实体属性)。 RGCN：是专门为处理现实知识库的高度多关系数据特征而开发的。 我们证明了R-GCNs作为实体分类的独立模型的有效性。我们进一步表明，通过使用编码器模型来丰富链接预测的因子分解模型，例如DistMult，可以显著改善它们，从而在