推特800贊:圖網絡論文實現大合集,70多篇分門別類,從未如此全面 | 已過1k星
遠比PyG覆蓋更全。
方栗子 發自 凹非寺
量子位 出品 | 公眾號 QbitAI
△ 右邊是不規則的
自從科學家發現,圖神經網絡?(GNN) 能處理不規則數據、攻克從前難解的問題,后每每出現圖網絡的資源,便廣受人類的喜愛。
這次也不例外。
有個叫本尼迪克?(Benedek Rozemberczki) 的少年,在愛丁堡大學讀博,他把自己整理的70多篇圖網絡論文+代碼實現大列表,放上了GitHub。
少年在Reddit上宣布這個消息,半日熱度便有215點。
不止如此,大列表也在推特上獲得了800+贊:
不久,GitHub標星上了千。
本尼迪克說,列表里的模型分門別類:有圖分解、有圖核、有深度網絡……且還會持續更新。
比起不久前紅遍大江南北的PyTorch Geometric圖網絡庫,少年說他的列表更全面。
所以,就來觀察一下到底有多全。
分成四類
列表的名字,叫Awesome Graph Classification。
就像開頭提到的那樣,70多篇論文和它們的代碼,被少年分到了四個類別里。
前兩類比較簡潔:
第一類是分解?(Factorization) ,有6篇論文的實現。
比如,2017年誕生的graph2vec,把整個圖編碼進向量空間,便屬于這一類。
第二類是Spectral and Statistical Fingerprints,有7項研究的實現。
比如,中選KDD 2018的NetLSD,不受排列方式的影響、尺寸大小的影響,能在大圖和大圖之間做直接對比。
后面兩類就豐盛了許多:
第三類是深度學習?(Deep Learning) ,也是內容最飽滿的章節,有37篇論文的代碼。
不乏近年頂會的中選論文:
第四類是圖核?(Graph Kernels) ,衡量兩圖相似度的一種有效方法。
這個類別有21項研究的代碼,不過這里的論文并不限于近年,跨度從2003年直到2018年。
哪里比前輩厲害?
回想上半年,多特蒙德工業大學的兩位少年,發布了PyTorch Geometric (簡稱PyG) 圖網絡庫,瞬時紅火起來,如今已有4400多星。
PyG在四個數據集上,運行GCN和GAT模型的速度,都超過了從前的DGL圖網絡庫,最高達到15倍速。
但從覆蓋度上看,PyG有大約30個模型的代碼實現,而本尼迪克的新列表包含了超過70篇論文的實現。
不止是總數的差距,本尼迪克說PyG庫只有深度網絡;
但在圖分類 (Graph Classification) 任務里,如果沒有節點和邊緣特征,分解?(如Graph2Vec) 和Fingerprints?(如NetLSD) 都是很有競爭力的。
這些算法,都在本尼迪克的大列表里。
所以,各位可以馬克一下。
One More Thing
其實,少年整理過的清單并不止這一個。
社區發現?(Community Detection) 、分類/回歸樹,以及梯度增強,都有論文代碼實現列表。
大家可以從傳送門前往探索。
圖網絡大列表:
https://github.com/benedekrozemberczki/awesome-graph-classification
—?完?—
- 馬云正式卸任后,阿里巴巴開盤跌0.87%2019-09-10
- 亞馬遜在華拓展云計算團隊,挑戰阿里巴巴和騰訊2019-10-16
- AI獨角獸云知聲,已完成一期科創板IPO輔導2019-10-17
- IDC:今年上半年中國公有云服務市場規模達54.2億美元2019-11-07



