Cogdl中的模型

图表示学习介绍

受最近计算机视觉和自然语言处理方面的表示学习趋势的启发,图表示学习被提出。图表示旨在学习顶点/图的低维连续向量,同时保留内在 图属性,或者使用图编码器进行端到端训练。 最近,已经提出了图神经网络(GNN),并在半监督表示学习中取得了令人印象深刻的性能。图卷积网络 (GCN) 通过谱图卷积的局部一阶近似提出了一种卷积架构。Gra phSAGE 是一个通用归纳框架,它利用节点特征为以前未见过的样本生成节点embeddings。Graph Attention Networks (GATs) 利用多头自注意力机制,并能够(隐式) 为邻域中的不同节点指定不同的权重。

CogDL现在支持以下任务

  • unsupervised node classification(无监督节点分类)

  • semi-supervised node classification(半监督节点分类)

  • heterogeneous node classification(异构节点分类)

  • link prediction(链接预测)

  • multiplex link prediction(多路链接预测)

  • unsupervised graph classification(无监督图分类)

  • supervised graph classification(监督图分类)

  • graph pre-training(图预训练)

  • attributed graph clustering(属性图聚类)

CogDL 提供了丰富的通用基准数据集和 GNN 模型。您可以使用 CogDL 中的模型和数据集简单地开始运行。

from cogdl import experiment
experiment(model="gcn", dataset="cora")

Unsupervised Multi-label Node Classification

Model

Name in Cogdl

NetMF (Qiu et al, WSDM’18)

netmf

ProNE (Zhang et al, IJCAI’19)

prone

NetSMF (Qiu et at, WWW’19)

netsmf

Node2vec (Grover et al, KDD’16)

node2vec

LINE (Tang et al, WWW’15)

line

DeepWalk (Perozzi et al, KDD’14)

deepwalk

Spectral (Tang et al, Data Min Knowl Disc (2011))

spectral

Hope (Ou et al, KDD’16)

hope

GraRep (Cao et al, CIKM’15)

grarep

Semi-Supervised Node Classification with Attributes

Model

Name in Cogdl

Grand(Feng et al.,NLPS’20)

grand

GCNII((Chen et al.,ICML’20)

gcnii

DR-GAT (Zou et al., 2019)

drgat

MVGRL (Hassani et al., KDD’20)

mvgrl

APPNP (Klicpera et al., ICLR’19)

ppnp

GAT (Veličković et al., ICLR’18)

gat

GDC_GCN (Klicpera et al., NeurIPS’19)

gdc_gcn

DropEdge (Rong et al., ICLR’20)

dropedge_gcn

GCN (Kipf et al., ICLR’17)

gcn

DGI (Veličković et al., ICLR’19)

dgi

GraphSAGE (Hamilton et al., NeurIPS’17)

graphsage

GraphSAGE (unsup)(Hamilton et al., NeurIPS’17)

unsup_graphsage

MixHop (Abu-El-Haija et al., ICML’19)

mixhop

Multiplex Node Classification

Model

Name in Cogdl

Simple-HGN (Lv and Ding et al, KDD’21)

simple-hgn

GTN (Yun et al, NeurIPS’19)

gtn

HAN (Xiao et al, WWW’19)

han

GCC (Qiu et al, KDD’20)

gcc

PTE (Tang et al, KDD’15)

pte

Metapath2vec (Dong et al, KDD’17)

metapath2vec

Hin2vec (Fu et al, CIKM’17)

hin2vec

Knowledge graph completion

Model

Name in Cogdl

CompGCN (Vashishth et al, ICLR’20)

compgcn

Graph Classification

Model

Name in Cogdl

GIN (Xu et al, ICLR’19)

gin

Infograph (Sun et al, ICLR’20)

infograph

DiffPool (Ying et al, NeuIPS’18)

diffpool

SortPool (Zhang et al, AAAI’18)

softpool

Graph2Vec (Narayanan et al, CoRR’17)

graph2vec

PATCH_SAN (Niepert et al, ICML’16)

patchy_san

DGK (Yanardag et al, KDD’15)

dgk

Attributed graph clustering

Model

Name in Cogdl

AGC (Zhang et al, IJCAI 19)

agc

DAEGC (Wang et al, ICLR’20)

daegc