收集一些讲解比较好的博客或者知乎文档,以及对应的代码
1、同构图神经网络-GCN/GAT/GraphSAGE
-
GCN - Semi-Supervised Classification with Graph Convolutional Networks 用图卷积进行半监督节点分类 ICLR 2017
-
[论文笔记]:GraphSAGE:Inductive Representation Learning on Large Graphs论文详解 NIPS2017
2、异构图神经网络-RGCN/HGT
- 从GCN到RGCN,从同构图到异构图
- 如何理解 inductive learning 与 transductive learning?
- 【论文阅读】HGT:Heterogeneous Graph Transformer
- 异构图神经网络(5)Heterogeneous Graph Transformer
3、pytorch相关代码
建议下载好DBLP数据集后,合并下面的RGCN和HGT代码到一个项目里面进行效果对比
- 异构图神经网络 RGCN、RGAT、HAN、GNN-FILM + PyG实现,主要是一些模型类的继承实现
- 一、PyG搭建R-GCN实现节点分类,同时可以下面的github代码仓库,但是缺少HGT代码
- 二、PyG搭建R-GCN实现链接预测,该博主有很多其他模型的demo
- 三、PyG搭建异质图注意力网络HAN实现DBLP节点分类
- 四、github:GNNs-for-Node-Classification,即上述三个博文的代码仓库
- 一、异构图神经网络Heterogeneous Graph Transformers(HGT)的代码实现
- 二、PyG (PyTorch Geometric) Dropbox系图数据集无法下载的解决方案(AMiner, DBLP, IMDB, LastFM)
- 三、github:https://github.com/PolarisRisingWar/HGNN_Collection,即上面博客的数据集代码仓库