受最近计算机视觉和自然语言处理方面的表示学习趋势的启发,图表示学习被提出。图表示旨在学习顶点/图的低维连续向量,同时保留内在 图属性,或者使用图编码器进行端到端训练。 最近,已经提出了图神经网络(GNN),并在半监督表示学习中取得了令人印象深刻的性能。图卷积网络 (GCN) 通过谱图卷积的局部一阶近似提出了一种卷积架构。Gra phSAGE 是一个通用归纳框架,它利用节点特征为以前未见过的样本生成节点embeddings。Graph Attention Networks (GATs) 利用多头自注意力机制,并能够(隐式) 为邻域中的不同节点指定不同的权重。
- unsupervised node classification(无监督节点分类)
- semi-supervised node classification(半监督节点分类)
- heterogeneous node classification(异构节点分类)
- link prediction(链接预测)
- multiplex link prediction(多路链接预测)
- unsupervised graph classification(无监督图分类)
- supervised graph classification(监督图分类)
- graph pre-training(图预训练)
- attributed graph clustering(属性图聚类)
CogDL 提供了丰富的通用基准数据集和 GNN 模型。您可以使用 CogDL 中的模型和数据集简单地开始运行。
from cogdl import experiment
experiment(model="gcn", dataset="cora")
Model | Name in Cogdl |
---|---|
NetMF (Qiu et al, WSDM’18) |
|
ProNE (Zhang et al, IJCAI’19) |
|
NetSMF (Qiu et at, WWW’19) |
|
Node2vec (Grover et al, KDD’16) |
|
LINE (Tang et al, WWW’15) |
|
DeepWalk (Perozzi et al, KDD’14) |
|
Spectral (Tang et al, Data Min Knowl Disc (2011)) |
|
Hope (Ou et al, KDD’16) |
|
GraRep (Cao et al, CIKM’15) |
|
Model | Name in Cogdl |
---|---|
Grand(Feng et al.,NLPS'20) |
|
GCNII((Chen et al.,ICML’20) |
|
DR-GAT (Zou et al., 2019) |
|
MVGRL (Hassani et al., KDD’20) |
|
APPNP (Klicpera et al., ICLR’19) |
|
GAT (Veličković et al., ICLR’18) |
|
GDC_GCN (Klicpera et al., NeurIPS’19) |
|
DropEdge (Rong et al., ICLR’20) |
|
GCN (Kipf et al., ICLR’17) |
|
DGI (Veličković et al., ICLR’19) |
|
GraphSAGE (Hamilton et al., NeurIPS’17) |
|
GraphSAGE (unsup)(Hamilton et al., NeurIPS’17) |
|
MixHop (Abu-El-Haija et al., ICML’19) |
|
Model | Name in Cogdl |
---|---|
Simple-HGN (Lv and Ding et al, KDD’21) | |
GTN (Yun et al, NeurIPS’19) |
|
HAN (Xiao et al, WWW’19) |
|
GCC (Qiu et al, KDD’20) |
|
PTE (Tang et al, KDD’15) |
|
Metapath2vec (Dong et al, KDD’17) |
|
Hin2vec (Fu et al, CIKM’17) |
|
Model | Name in Cogdl |
---|---|
ProNE (Zhang et al, IJCAI’19) |
|
NetMF (Qiu et al, WSDM’18) |
|
Hope (Ou et al, KDD’16) |
|
LINE (Tang et al, WWW’15) |
|
Node2vec (Grover et al, KDD’16) |
|
NetSMF (Qiu et at, WWW’19) |
|
DeepWalk (Perozzi et al, KDD’14) |
|
SDNE (Wang et al, KDD’16) |
|
Model | Name in Cogdl |
---|---|
GATNE (Cen et al, KDD’19) |
|
NetMF (Qiu et al, WSDM’18) |
|
ProNE (Zhang et al, IJCAI’19) |
|
Node2vec (Grover et al, KDD’16) |
|
DeepWalk (Perozzi et al, KDD’14) |
|
LINE (Tang et al, WWW’15) |
|
Hope (Ou et al, KDD’16) |
|
GraRep (Cao et al, CIKM’15) |
|
Model | Name in Cogdl |
---|---|
CompGCN (Vashishth et al, ICLR’20) |
|
Model | Name in Cogdl |
---|---|
GIN (Xu et al, ICLR’19) |
|
Infograph (Sun et al, ICLR’20) |
|
DiffPool (Ying et al, NeuIPS’18) |
|
SortPool (Zhang et al, AAAI’18) |
|
Graph2Vec (Narayanan et al, CoRR’17) |
|
PATCH_SAN (Niepert et al, ICML’16) |
|
|
Model | Name in Cogdl |
---|---|
AGC (Zhang et al, IJCAI 19) |
|
DAEGC (Wang et al, ICLR’20) |
|