node2vec

SEAL 链接预测

AI GitHub 仓库

新颖的链接预测框架，它将问题转化为子图分类任务。它提取 h-hop 包络子图和节点信息矩阵，并将它们输入图神经网络。SEAL 同时从图结构和潜在/显式节点特征中学习，以实现准确的链接预测。SEAL 是一个新颖的链接预测框架，它将问题转化为子图分类任务。它提取 h-hop 包络子图和节点信息矩阵，并将它们输入图神经网络。SEAL 同时从图结构和潜在/显式节点特征中学习，以实现准确的链接预测。

CompGCN

AI GitHub 仓库

基于组合的多关系图卷积网络的 PyTorch 实现。它能够实现先进的图表示学习，用于知识图谱链接预测等任务，提供灵活的组合操作和与各种评分函数的兼容性。CompGCN 是一个基于组合的多关系图卷积网络的 PyTorch 实现。它能够实现先进的图表示学习，用于知识图谱链接预测等任务，提供灵活的组合操作和与各种评分函数的兼容性。

Temporal Graph Networks

AI GitHub 仓库

提供了一个通用的、高效的动态图深度学习框架。这个基于 Python 的库利用新颖的内存模块和基于图的运算符，在计算效率和演进图结构上的预测准确性方面优于现有方法。Temporal Graph Networks (TGNs) 提供了一个通用的、高效的动态图深度学习框架。这个基于 Python 的库利用新颖的内存模块和基于图的运算符，在计算效率和演进图结构上的预测准确性方面优于现有方法。

简化图卷积网络

AI GitHub 仓库

此存储库提供了“简化图卷积网络”论文的官方实现。它提供了一个简化的图卷积网络 (GCN) 模型，该模型消除了非线性并折叠了权重矩阵，从而得到了一个线性模型，该模型在显著缩短的训练时间内实现了具有竞争力的性能。

关系图卷积网络

AI GitHub 仓库

该项目提供了关系图卷积网络 (R-GCNs) 的 Keras 实现。它专为有向关系图上的半监督节点分类而设计。该代码有助于复现论文“使用图卷积网络对关系数据进行建模”中的实体分类结果。

图卷积网络（GCN）是一种专门用于处理图结构数据的神经网络。它将卷积神经网络（CNN）的概念推广到图结构数据，从而在半监督学习和图嵌入等领域实现强大的应用。该模型为分析复杂网络数据提供了一种新颖的方法。

Graph Neural PDEs

AI GitHub 仓库

开源项目，提供用于图神经网络 (GNN) 的 Python 代码，该项目将图学习视为一个连续的扩散过程。它实现了 GRAND 和 BLEND 模型，提供了新颖的方法来解决常见的图学习挑战，如过平滑和深度限制。Graph Neural PDEs 是一个开源项目，提供用于图神经网络 (GNN) 的 Python 代码，该项目将图学习视为一个连续的扩散过程。它实现了 GRAND 和 BLEND 模型，提供了新颖的方法来解决常见的图学习挑战，如过平滑和深度限制。

Cleora Graph Embedding Engine

AI 应用

基于 Rust 的图嵌入引擎，利用稀疏马尔可夫传播以确定性方式计算图嵌入。它为依赖大量 GPU 的方法提供了仅需 CPU、无需调参且速度快的替代方案，无需采样、没有噪声，就能在真实世界的图上达到很高的准确度，非常适合生产环境的机器学习流水线。Cleora 是一款基于 Rust 的图嵌入引擎，利用稀疏马尔可夫传播以确定性方式计算图嵌入。它为依赖大量 GPU 的方法提供了仅需 CPU、无需调参且速度快的替代方案，无需采样、没有噪声，就能在真实世界的图上达到很高的准确度，非常适合生产环境的机器学习流水线。