根据边id采样子图 :param items: tensor(B) 边id :return: tensor(N_src), DGLGraph, List[DGLBlock] 知识图谱的输入顶点id，用户-物品图的边子图， 知识图谱根据边id关联的物品

根据边id采样子图，并进行负采样 :param items: tensor(B) 边id :return: tensor(N_src), DGLGraph, DGLGraph, List[DGLBlock] 知识图谱的输入顶点id，用户-物品图的边子图，负样本图，

:param src_feat: tensor(B, K^h, K, d) 输入实体表示，B为batch大小，K为邻居个数，h为跳步数/层数 :param dst_feat: tensor(B, K^h, d) 目标实体表示 :param rel_f

:param pair_graph: DGLGraph 用户-物品子图 :param blocks: List[DGLBlock] 知识图谱的MFG，blocks[-1].dstnodes()对应items :return: tensor(B) 用户

:param x: tensor(*, 28, 28) 输入图像 :return: tensor(*, 10)

:param x: tensor(batch, seq_len, d_in) :return: tensor(batch, d_out)

:param x: tensor(batch, seq_len, d_in) :return: tensor(batch, d_out)

In the forward function we accept a Tensor of input data and we must return a Tensor of output data. We can use Modules defined in th

:param feats: tensor(N, C, d_in) 输入特征列表，N为batch大小，C为输入特征个数 :return: tensor(N, d_hid) 顶点的异构内容嵌入向量

:param embeds: tensor(N, Nt, d) 邻居的内容嵌入，N为batch大小，Nt为每个顶点的邻居个数 :return: tensor(N, d) 顶点的t类型邻居聚集嵌入

:param content_embed: tensor(N, d) 内容嵌入，N为batch大小 :param neighbor_embeds: tensor(A, N, d) 邻居嵌入，A为邻居类型数 :return: tensor(N, d)

:param g: DGLGraph 异构图 :param feats: Dict[str, tensor(N_i, C_i, d_in)] 顶点类型到输入特征的映射 :return: Dict[str, tensor(N_i, d_hid)] 顶点

:param g: DGLGraph 同构图 :param h: tensor(N, d_in) 输入特征，N为g的顶点数 :return: tensor(N, d_out) 输出顶点特征，K为注意力头数

:param g: DGLGraph 二分图（只包含一种关系） :param feat: tensor(N_src, d_in) or (tensor(N_src, d_in), tensor(N_dst, d_in)) 输入特征 :return:

:param g: DGLGraph 异构图 :param feats: Dict[str, tensor(N_i, d_in)] 顶点类型到输入顶点特征的映射 :return: Dict[str, tensor(N_i, d_out)] 顶点类型到

返回ΔT对应的相对时间编码

:param g: DGLGraph 异构图 :param feats: Dict[str, tensor(N_i, d_in)] 顶点类型到输入顶点特征的映射 :return: tensor(N_i, d_out) 待预测顶点的最终嵌入

:param z: tensor(N, M, d_in) 顶点基于不同元路径的嵌入，N为顶点数，M为元路径个数 :return: tensor(N, d_in) 顶点的最终嵌入

:param gs: List[DGLGraph] 基于元路径的邻居组成的同构图 :param h: tensor(N, d_in) 输入顶点特征 :return: tensor(N, K*d_out) 输出顶点特征

:param gs: List[DGLGraph] 基于元路径的邻居组成的同构图 :param h: tensor(N, d_in) 输入顶点特征 :return: tensor(N, d_out) 输出顶点嵌入

:param g: DGLGraph 异构图 :param inputs: Dict[str, tensor(N_i, d_in)] 顶点类型到输入特征的映射 :return: Dict[str, tensor(N_i, d_out)] 顶点类型到输

:param g: DGLGraph 异构图 :return: Dict[str, tensor(N_i, d_out)] 顶点类型到顶点嵌入的映射

:param embed: tensor(N, d) 实体嵌入 :param head: tensor(*) 头实体 :param rel: tensor(*) 关系 :param tail: tensor(*) 尾实体

:param g: DGLGraph 同构图 :param etypes: tensor(|E|) 边类型 :return: tensor(N, d_hid) 顶点嵌入

:param g: DGLGraph 无向图 :param labels: tensor(N) 标签 :param mask: tensor(N), optional 有标签顶点mask :return: tensor(N, C) 预

:param g: DGLGraph 二分图（只包含一种关系） :param feat: tensor(N_src, d_in) or (tensor(N_src, d_in), tensor(N_dst, d_in)) 输入特征 :return:

:param node_feats: Dict[str, tensor(N_i, d_in) 顶点类型到输入顶点特征的映射 :param rel_feats: Dict[(str, str, str), tensor(N_i, K*d_out)]

:param g: DGLGraph 异构图 :param feats: Dict[str, tensor(N_i, d_in)] 顶点类型到输入顶点特征的映射 :return: Dict[str, tensor(N_i, K*d_out)] 顶点类

:param g: DGLGraph 异构图 :param feats: Dict[str, tensor(N_i, d_in_i)] 顶点类型到输入顶点特征的映射 :return: tensor(N_i, d_out) 待预测顶点的最终嵌入

:param g: DGLGraph 同构图 :param feat: tensor(N_src, d_in) 输入顶点特征 :return: tensor(N_dst, K, d_out) 输出顶点特征

:param g: DGLGraph 同构图 :param feat: tensor(N, d_in) 输入顶点特征 :return: tensor(N, d_out), tensor(1) 输出顶点特征和自监督注意力损失

r"""给定中心词、正样本和负样本，返回似然函数的相反数（损失）： .. math:: L=-\log {\sigma(v_c \cdot v_p)}-\sum_{n \in neg}{\log {\sigma(-v_c \cdot v_n)}}

:param g: DGLGraph 无向图 :param labels: tensor(N, C) one-hot标签 :param mask: tensor(N), optional 有标签顶点mask :param post_s

:param g: DGLGraph 无向图 :param labels: tensor(N, C) one-hot标签 :param base_pred: tensor(N, C) 基础预测 :param mask: tensor(

:param g: DGLGraph 二分图（只包含一种关系） :param feat: tensor(N_src, d_in) or (tensor(N_src, d_in), tensor(N_dst, d_in)) 输入特征 :param fe

:param feats: tensor(N_R, N, K*d) dtype类型顶点在不同关系下的表示 :return: tensor(N, K*d) 跨关系消息传递后dtype类型顶点在关系R下的表示

:param node_feats: Dict[str, tensor(N, K*d_node)] 边类型到顶点在该关系下的表示的映射 :param rel_feats: Dict[str, tensor(K*d_rel)] 边类型到关系的表示的映射

:param g: DGLGraph 异构图 :param feats: Dict[(str, str, str), tensor(N_i, d_in)] 关系（三元组）到目标顶点输入特征的映射 :param rel_feats: Dict[str,

:param blocks: blocks: List[DGLBlock] :param feats: Dict[str, tensor(N_i, d_in_i)] 顶点类型到输入顶点特征的映射 :return: tensor(N_i, d_out)

:param x: tensor(N, d_in) :return: tensor(N, d_out)

:param feats: List[tensor(N, d_in)] 每一跳的邻居聚集特征，长度为r+1 :return: tensor(N, d_out) 输出顶点特征

:param feat: tensor(E, L, d_in) :return: tensor(E, d_out)

:param g: DGLGraph 基于给定元路径的邻居组成的图，每条边表示一个元路径实例 :param node_feat: tensor(N, d_in) 输入顶点特征，N为g的终点个数 :param edge_feat: tensor(E,

:param z: tensor(N, M, d_in) 每个顶点关于所有元路径的嵌入，N为顶点数，M为元路径个数 :return: tensor(N, d_in) 聚集后的顶点嵌入