作者:李军利 AI-Friend / 14th June 2020
内容:图基础和图引擎;图算法:图挖掘
、 图表示学习
、图神经网络
、 知识表示学习/知识图谱三元组
(Graph Mining
、Graph Embedding
、Graph Neural Network
、Knowledge-Graph Embedding
)
编程相关:Linux
、C++
、Python
、TensorFlow
、Pytorch
、DGL
、PyG
、networkx
、HDFS
写作动力:随着图引擎和图算法研究的深入,涉及越来越广,希望在 Graph-Algorithms 里记录一些总结和思考
分类:旨在获取embedding的无监督算法称为 图表示学习
; GNN
常常是监督学习; 知识图谱相关的称为 KG-Embedding
(我的分类很主观,基于游走的算法常称为图表示算法,基于邻居汇聚的叫 GNN)
分类 | 笔记 | 论文 | 代码 | 异构 | 属性 |
---|---|---|---|---|---|
基础 | [Graph Theory] | ||||
基础 | [Gemini] | A Computation-Centric Distributed Graph ··· | |||
基础 | [信息与熵] | ||||
基础 | [Alias method] | ||||
基础 | vector similarity | ||||
图表示 | [deepwalk] | Online Learning of Social Representations | master | 0 | 0 |
图表示 | [node2vec ] | Scalable Feature Learning for Networks | master | 0 | 0 |
图表示 | [复现node2vec] | ||||
图表示 | [LINE ] | Large-scale Information Network Embedding | master | 0 | 0 |
图表示 | [metapath2vec] | Learning for Heterogeneous Networks | 1 | 0 | |
图表示 | [DGI] | 0 | 1 | ||
GNN | [GCN] | Semi-Supervised Classification with GCN | master | 0 | 1 |
GNN | [GraphSage] | Inductive Representation Learning on L-Graphs | master | 0 | 1 |
GNN | [GAT] | Graph Attention Network | master | 0 | 1 |
GNN | [Deep GCN] | 0 | 1 | ||
GNN | [HGT] | 1 | 1 | ||
KG-E | [TransE] | ||||
KG-E | [TransH] | ||||
KG-E | [TransR] | ||||
KG-E | [TransD] | ||||
图挖掘 | [(W)CC] | ||||
图挖掘 | [LPA] | ||||
图挖掘 | [SSSP & APSP] | ||||
图挖掘 | [InfoMap] | ||||
图挖掘 | [Louvain] |