PyTorch示例代码
gnn - 图神经网络
复现的GNN模型全部使用DGL实现,部分模型参考了DGL官方示例
运行方式:使用Python的-m
参数
例如:要运行gnn/gcn/train.py则执行python -m gnn.gcn.train
训练GNN模型
- dgl_first_demo.py - DGL at a Glance
- node_clf.py, node_clf_hetero.py - 顶点分类/回归
- edge_clf.py, edge_clf_hetero.py, edge_type_hetero.py - 边分类/回归
- link_pred.py, link_pred_hetero.py - 连接预测
- graph_clf.py, graph_clf_hetero.py - 图分类
大图上的随机训练
GNN模型
- gcn - Graph Convolutional Network (GCN)
论文链接
| 官方代码
| DGL实现
- gat - Graph Attention Networks (GAT)
论文链接
| 官方代码
| DGL实现
- rgcn - Relational Graph Convolutional Network (R-GCN)
论文链接
| 官方代码
| DGL实现
| DGL实现(异构图)
- hetgnn - Heterogeneous Graph Neural Network (HetGNN)
论文链接
| 官方代码
- han - Heterogeneous Graph Attention Network (HAN)
论文链接
| 官方代码
| DGL实现
- hgt - Heterogeneous Graph Transformer (HGT)
论文链接
| 官方代码
| DGL实现
- magnn - Metapath Aggregated Graph Neural Network (MAGNN)
论文链接
| 官方代码
- sign - SIGN: Scalable Inception Graph Neural Networks (SIGN)
论文链接
| DGL实现
- hgconv - Hybrid Micro/Macro Level Convolution for Heterogeneous Graph Learning (HGConv)
论文链接
| 官方代码
- supergat - How to Find Your Friendly Neighborhood: Graph Attention Design with Self-Supervision (SuperGAT)
论文链接
| 官方代码
- metapath2vec - metapath2vec: Scalable Representation Learning for Heterogeneous Networks
论文链接
| 官方代码
| DGL实现
- rhgnn - Heterogeneous Graph Representation Learning with Relation Awareness (R-HGNN)
论文链接
| 官方代码
- lp - Label Propagation
论文链接
| DGL实现
- cs - Correct and Smooth (C&S)
论文链接
| 官方代码
| DGL实现
- heco - Self-Supervised Heterogeneous Graph Neural Network with Co-Contrastive Learning (HeCo)
论文链接
| 官方代码
kgrec - 基于知识图谱的推荐算法
- kgcn - Knowledge Graph Convolutional Networks for Recommender Systems (KGCN)
论文链接
| 官方代码
| PyTorch实现
nlp - 自然语言处理
- seq_clf_pipeline.py, seq_clf_model.py - 语义分析
- eqa_pipeline.py, eqa_model.py - 提取式问答
- masked_lm_pipeline.py, masked_lm_model.py - 屏蔽语言建模
- causal_lm_model.py - 因果语言建模
- text_gen_pipeline.py, text_gen_model.py - 文本生成