关系图卷积网络

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。

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。

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。

GCNII

AI GitHub 仓库

该存储库提供了“简单深度图卷积网络”（GCNII）模型的 PyTorch 实现。它包含在基准图数据集上复现半监督和全监督结果的代码，以及一个 PyTorch Geometric 参考实现。

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。

LightGCN

AI GitHub 仓库

简化的图卷积网络，专为推荐系统设计。它专注于协同过滤的核心邻域聚合组件，提供了一种从交互数据中学习用户和物品表示的高效方法。LightGCN 是一种简化的图卷积网络，专为推荐系统设计。它专注于协同过滤的核心邻域聚合组件，提供了一种从交互数据中学习用户和物品表示的高效方法。

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。

DeepGCNs

AI GitHub 仓库

该 GitHub 仓库提供了 DeepGCNs、DeeperGCN 和 GNN1000 的 PyTorch 实现。它通过借鉴 CNN 的残差连接和空洞卷积等概念，实现了非常深层的图卷积网络训练，从而促进了图神经网络的研究。