PyTorch Geometric中RandomLinkSplit切分后边数不符问题咨询

核心原因：无向边的存储与拆分逻辑差异 #

1. Cora数据集的边存储特性
   原Cora数据集显示的10556条边是双向存储的有向边数——因为无向图会把每条无向边以(u,v)和(v,u)两种形式各存一次，实际唯一无向边的数量是10556 / 2 = 5278条。

2. RandomLinkSplit的无向边拆分逻辑
   当设置is_undirected=True时，工具会以无向边为基本单位进行拆分，而非按有向边拆分：

   • 先对所有边去重，得到5278条唯一无向边
   • 按num_val=0.05、num_test=0.1的比例拆分无向边：
     • 验证集预测目标：5278 × 0.05 ≈ 263条无向边 → 对应双向存储的526条有向边（即val_data.edge_label的数量）
     • 测试集预测目标：5278 × 0.1 ≈ 527条无向边 → 对应双向存储的1054条有向边（即test_data.edge_label的数量）
     • 训练集预测目标：5278 - 263 - 527 = 4488条无向边 → 由于设置了add_negative_train_samples=False，训练集仅保留无向边的单方向存储，因此train_data.edge_label的数量等于无向边数4488

3. 各数据集edge_index的含义

   • train_data.edge_index是训练图的结构边，即原无向边中去掉验证、测试预测边后的剩余部分：4488条无向边 ×2 = 8976条有向边，与数据显示一致
   • val_data.edge_index复用训练图的结构边（验证时基于训练图做预测），因此同样是8976条
   • test_data.edge_index是训练图+验证预测边的结构边：(4488+263)条无向边 ×2 = 9502条有向边，与数据显示一致

边数核对验证 #

所有预测目标的无向边总数为4488+263+527=5278，对应双向有向边总数为5278×2=10556，与原数据集边数完全匹配。你之前的计算是把单方向存储的训练集预测边和双向存储的验证/测试预测边直接相加，才出现了数值不符的情况。

内容的提问来源于stack exchange，提问作者lenhhoxung