1. 课程导论：GraphSAGE阈值分层试验的背景、目标与整体课程大纲介绍
1.1 为什么需要阈值分层？——从GraphSAGE的采样困境说起
GraphSAGE（Graph Sample and Aggregation）是图神经网络领域最具代表性的归纳式学习框架之一。其核心思想是通过邻居采样和特征聚合，为每个节点生成嵌入表示。然而，在实际工程落地中，GraphSAGE面临一个关键矛盾：
- 采样数量K过小 → 感受野受限，模型欠拟合，长尾节点信息丢失严重。
- 采样数量K过大 → 计算图指数级膨胀，GPU显存溢出，训练速度骤降。
传统的固定采样策略（如K=10, K=25）无法适应真实图中节点度数的长尾分布。阈值分层试验正是为了解决这一困境而设计：通过为不同度数区间的节点设置差异化的采样阈值，在计算效率与表示质量之间寻找最优平衡点。
核心洞察： 真实世界图数据中，20%的高阶节点贡献了80%的消息传递路径。阈值分层的本质是“按需分配计算资源”。
1.2 课程目标与学习成果
本课程通过系统化的阈值分层试验，帮助学习者掌握以下能力：
| 能力维度 | 具体目标 | 对应章节 |
|---|---|---|
| 理论理解 | 解释阈值分层对感受野、方差、偏差的影响机制 | 第2-4章 |
| 工程实现 | 基于PyTorch/DGL构建可配置的分层采样器 | 第5-8章 |
| 实验设计 | 设计对照实验，控制变量验证分层效果 | 第9-12章 |
| 可视化分析 | 绘制节点度数-性能热力图、采样效率曲线 | 第13-16章 |
| 调优决策 | 根据数据集特征选择最优分层策略 | 第17-20章 |
1.3 阈值分层试验的整体流程
下图展示了本课程所设计的完整试验流水线，从原始图数据输入到最终策略推荐：
1.4 课程大纲总览
本课程共分为6大模块、30个章节，结构如下：
| 模块 | 章节范围 | 核心内容 | 实践产出 |
|---|---|---|---|
| 基础篇 | 第1-4章 | GraphSAGE原理、阈值分层动机、感受野分析 | 分层采样数学推导笔记 |
| 实现篇 | 第5-8章 | DGL自定义采样器、分层逻辑编码、配置化接口 | 分层采样器Python模块 |
| 实验篇 | 第9-12章 | 对照实验设计、Cora/Citeseer/PubMed实验 | 完整实验报告模板 |
| 可视化篇 | 第13-16章 | 度数分布图、采样效率曲线、性能热力图 | Matplotlib/Plotly可视化套件 |
| 调优篇 | 第17-20章 | 阈值搜索策略、自适应分层、多目标优化 | 自动调优脚本 |
| 进阶篇 | 第21-30章 | 大规模图扩展、异构图分层、工业部署案例 | 端到端部署方案 |
1.5 实验数据集与基线配置
为保障实验的可复现性，本课程统一使用以下基准配置：
- 数据集：Cora（2708节点, 5429边）、Citeseer（3327节点, 4732边）、PubMed（19717节点, 44338边）
- 基线模型：GraphSAGE-mean聚合器，2层网络，隐藏层维度256
- 固定采样：K=10（对照基线）
- 分层策略：按度数分3桶（低度≤5, 中度5-20, 高度>20），对应采样数K₁=5, K₂=10, K₃=20
- 评估指标：F1-micro、训练时间/epoch、GPU峰值显存
实验提示： 建议在开始课程前，先运行一次固定采样基线（第5章代码），以便后续与分层策略进行对比。所有代码均基于Python 3.9 + PyTorch 2.0 + DGL 1.1环境。
1.6 阈值分层的核心概念对比
在正式进入实验之前，先明确几个关键概念的区别：
| 概念 | 定义 | 与阈值分层的关系 |
|---|---|---|
| 固定采样 | 所有节点使用相同的邻居采样数K | 作为对照基线，暴露“一刀切”的缺陷 |
| 阈值分层 | 按节点度数区间分配不同的K值 | 本课程核心研究对象 |
| 自适应采样 | 根据训练动态实时调整采样数 | 阈值分层的进阶形式（第19章） |
| 重要性采样 | 按邻居重要性概率采样 | 可与阈值分层联合使用（第22章） |
通过本课程的学习，你将能够独立设计、实现并评估一套完整的GraphSAGE阈值分层方案，并具备将其推广到更大规模图数据的能力。