在Cora和Citeseer数据集上用图卷积神经网络实现链路预测，包括GCN网络搭建、Cora和Citeseer数据集的数据预处理，以及链路预测网络的训练和测试代码。

cuda+python+pytorch安装说明

Cora数据集包含2708篇科学出版物，edges:5429，classes:7，features:1433 每个科学出版物都由一个01词向量描述 训练集（140，1433），测试集（1000，1433），总训练集（1708，1433），训练集从总训练集中抽取，存在labeled和unlabeld节点 用于深度学习，图神经网络的训练

在深度学习用planetoid加载数据时常常需要在github上拉起下载，有时存在连接不上，下载出现error的情况，直接将该代码完整下下来，使用相关数据集。

GCN节点分类Cora数据集

Cora数据集，可以通过Planetoid进行加载

matlab代码加法科拉 连续可达性分析器（CORA）是MATLAB类的集合，用于使用可达性分析对网络物理系统进行形式验证。 CORA集成了各种矢量和矩阵集表示形式及其上的运算以及各种动态系统类的可达性算法。 该软件经过设计，可以交换设置表示，而无需修改代码以进行可达性分析。 CORA是使用面向对象的范例设计的，因此用户可以安全地使用方法，而不必担心隐藏在对象内部的详细信息。 由于工具箱是用MATLAB编写的，因此安装和使用是与平台无关的。 从2018年版本开始，还支持将SpaceEx模型直接导入CORA。 以下几点总结了CORA工具箱的主要功能： 连续系统的可达性分析 CORA为线性系统，非线性系统以及有约束的系统计算可达集。 支持连续时间模型和离散时间模型。 可以明确考虑系统输入的不确定性以及模型参数的不确定性。 此外，CORA还提供了动力学模型仿真的功能。 混合系统的可达性分析 该工具箱还能够计算混合系统的可达集。 所有实现的动态系统类都可以用于描述离散系统状态的不同连续流。 此外，在CORA中实现了各种用于计算具有保护集的相交的方法。 几何集 CORA具有模块化设计，因此除了可

信息抽取，或者所论文头部信息抽取需要的数据集，这里只放了论文头部抽取所需要的数据集，并不是整个cora数据集，整个的很大有几百兆，这里不可能放的下

连续可达性分析器 (CORA) 是一组 MATLAB 类，用于使用可达性分析对网络物理系统进行形式验证。 CORA 集成了各种向量和矩阵集表示和对它们的操作以及各种动态系统类的可达性算法。 该软件的设计使得可以交换集合表示，而无需修改可达性分析的代码。 CORA 是使用面向对象的范式设计的，因此用户可以安全地使用方法，而无需担心隐藏在对象内部的详细信息。 由于工具箱是用MATLAB编写的，安装和使用是平台无关的。 从 2018 版开始，还支持将 SpaceEx 模型直接导入 CORA。

node2vec 使用数据集cora的node2vec的示例