图神经网络汇总

图神经网络汇总

图神经基础

torch-geometric

• 图结构数据
• 消息传递图神经网络
• 基于图神经网络的节点表征学习
• 数据完全存于内存的数据集类
• 节点预测与边预测任务实践
• 超大图上的节点表征学习
• 基于图神经网络的图表征学习方法
• 超大规模数据集类的创建
• 图预测任务实践

DGL

• 第1章：图
• 第2章：消息传递范式
• 第3章：构建图神经网络（GNN）模块
• 第4章：图数据处理管道
• 第5章：训练图神经网络
• 第6章：在大图上的随机（批次）训练
• 第7章：分布式训练

图神经Embedding

• 2014 - DeepWalk: Online Learning of Social Representations
  DeepWalk：采用随机游走，形成序列，采用skip-gram方式生成节点embedding。
  原理
  代码

• 2015 - LINE: Large-scale Information Network Embedding
  LINE：捕获节点的一阶和二阶相似度，分别求解，再将一阶二阶拼接在一起，作为节点的embedding
  原理
  代码

• 2016 - node2vec：Scalable Feature Learning for Networks
  node2vec：不同的随机游走策略，形成序列，类似skip-gram方式生成节点embedding。
  原理
  代码

• 2016 - SDNE: Structural Deep Network Embedding
  SDNE：采用了多个非线性层的方式捕获一阶二阶的相似性。
  原理
  代码

• 2017 - struc2vec: Learning Node Representations from Structural Identity
  struc2vec：对图的结构信息进行捕获，在其结构重要性大于邻居重要性时，有较好的效果。
  原理
  代码

• 2017 - metapath2vec: Scalable Representation Learning for Heterogeneous
  metapath2vec：基于metapath的随机游走策略， gensim+word2vec来实现embedding。
  原理
  代码

图卷积

• 2017 - GCN: Semi-Supervised Classification with Graph Convolutional Networks
  原理
  代码

• 2017 - GraphSAGE : Inductive Representation Learning on Large Graphs
  原理
  代码

• 2017 - GAT: Semi-Supervised Classification with Graph Convolutional Networks
  原理
  代码

• 2018 - RGCN: Modeling Relational Data with Graph Convolutional Networks
  原理
  代码

• 2019 - *HAN: Heterogeneous Graph Attention Network
  原理
  代码

• 2019 - GTN：Graph Transformer Networks
  原理
  代码

图生成

-2016 NIPS | Variational Graph Auto-Encoders

图可解释性

• GNNExplainer
• PGExplainer
• ProtGNN