DHGNN 项目解析与实践指南
项目结构概览
DHGNN 项目采用模块化设计，其核心组件组织如下：
DHGNN/
├── config/ # 配置文件目录
│ └── default.yaml # 默认配置参数
├── data_processing/ # 数据集预处理模块
├── docs/ # 项目文档
├── models/ # 模型实现
│ └── dynamic_hgcn.py # DHGNN 模型核心代码
├── utils/ # 辅助工具
│ ├── data_helpers.py # 数据加载与转换工具
│ └── training_utils.py # 训练与评估辅助函数
├── LICENSE # 许可证信息
├── README.md # 项目说明文档
├── requirements.txt # 依赖库列表
└── run_experiment.py # 实验执行入口脚本
config/: 包含 YAML 格式的配置文件，如default.yaml，用于定义实验的各项参数。data_processing/: 负责数据集的加载、清洗和特征工程。docs/: 存放项目的技术文档和用户指南。models/: 存放神经网络模型的定义，其中dynamic_hgcn.py实现的是 DHGNN 的核心算法。utils/: 包含各种通用辅助函数，例如data_helpers.py用于处理数据，training_utils.py用于模型训练和性能评估。LICENSE: 表明项目遵循 MIT 开源协议。README.md: 提供项目的简要介绍、安装指南和快速入门。requirements.txt: 列出运行项目所需的 Python 库及其版本。run_experiment.py: 作为项目的入口文件，用于配置和启动模型训练与评估流程。
启动与配置项目
执行实验的主要脚本是 run_experiment.py。用户可以通过命令行指定运行环境和模型版本来启动训练。例如：
python run_experiment.py --device cuda:0 --model_id DHGNN_Exp_001
其中，--device 参数用于指定计算设备（如 cuda:0 表示使用第一个 GPU，若不指定则默认为 CPU），--model_id 则用于标识当前进行的实验版本。
核心配置文件详解
config/default.yaml 文件是项目运行的关键配置中心，它允许用户自定义数据属性、模型结构和训练策略。典型配置项包括：
dataset_settings:
name: &dataset_name your_dataset_name # 数据集标识符
input_dim: &feature_dim 128 # 输入特征的维度
num_classes: &num_labels 10 # 类别总数
neighbor_k: &knn_k 5 # KNN 算法的邻居数量
model_architecture:
embedding_size: &hidden_units 256 # 隐藏层特征的维度
conv_layers: &num_convolutions 3 # 图卷积层的深度
drop_prob: &dropout_rate 0.5 # Dropout 比率
training_parameters:
batch_size: &batch_size 64 # 训练时每个批次的大小
max_epochs: &num_epochs 200 # 最大训练轮数
optimizer_lr: &learning_rate 0.001 # 优化器的学习率
l2_regularization: &l2_weight 5e-4 # L2 正则化系数
在实际使用时，用户需要根据具体任务的数据集和硬件资源调整上述参数。这些配置值可以通过代码加载，并可被命令行参数覆盖。
注意：上述 YAML 配置仅为示例，实际文件中可能包含更丰富的参数选项。
