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
相關閱讀
