数据集概述
本数据集为“自适应不平衡节点分类图对比学习”（AIGCL）相关的代码集合，包含数据处理、模型构建、损失函数定义等模块，支持图对比学习在不平衡节点分类任务中的研究与实现。
文件详解
该数据集由多个目录和文件组成，具体说明如下：
- 根目录（AIGCL/）：包含核心代码目录code/
- 代码目录（AIGCL/code/）：
- 数据处理模块（data_process/）：包含数据预处理、结果处理及工具类文件，如lt_data.py（不平衡数据处理）、data_begin.py（数据初始化）、result_process.py（结果处理）
- 模型模块（model/、models/）：包含多种图学习模型实现，如BGRL.py、GRACE.py、GCN.py；以及对比学习相关训练、损失函数文件，如contrast_1.py、train.py、loss.py
- PyGCL工具库（PyGCL/）：包含图数据增强（augmentors/）、评估方法（eval/）、损失函数（losses/）等工具类文件，如infonce.py（InfoNCE损失）、augmentor.py（数据增强基类）、logistic_regression.py（逻辑回归评估）
- 编译文件（pycache/目录）：包含各模块的Python编译文件（.pyc格式）
- 文件格式：以Python代码文件（.py）和编译文件（.pyc）为主，另有1个Excel文件（.xlsx）
适用场景
- 图对比学习研究：用于自适应不平衡节点分类任务的模型开发与验证
- 不平衡数据处理：支持图数据中不平衡节点分类问题的算法设计与实验
- 图神经网络应用：可作为图学习算法实现的参考代码库
- 机器学习实验：适用于对比学习、半监督学习等方法的实验复现与扩展
