文件名称：GPT-GNN:KDD'20“图形神经网络的生成式预训练”的代码
文件大小：1.88MB
文件格式：ZIP
更新时间：2024-04-20 18:09:14
graph-neural-networks self-supervised-learning graph-representation-learning pre-training Python
GPT-GNN：图神经网络的生成式预训练 GPT-GNN是通过生成式预训练来初始化GNN的预训练框架。 它可以应用于大规模和异构图形。 有关更多详细信息，请参见我们的KDD 2020论文 。 概述 关键包是GPT_GNN，其中包含高级GPT-GNN预训练框架，基本GNN模型以及基本图结构和数据加载器。 为了说明如何将GPT_GNN框架应用于任意图，我们提供了在异构图（OAG）和齐次图（reddit）上进行预训练的示例。 他们两个都是大规模的。 在每个example_*包，还有一个pretrain_*.py训练前一个GNN给定的图形文件，并且还多finetune_*.py培训文件和验证对下游任务。 数据集 对于开放式学术图（OAG） ，我们提供了一个异构图，其中包含从1900年至2020年的高引用CS论文（8.1G）。 您可以通过下载预处理图。 我们按时间划分数据：预训练（t <20
【文件预览】：
GPT-GNN-master
----images()
--------pretrain_OAG.gif(1.92MB)
--------gpt-intro.png(42KB)
----example_reddit()
--------preprocess_reddit.py(1KB)
--------pretrain_reddit.py(13KB)
--------finetune_reddit.py(10KB)
--------GPT_GNN()
--------.ipynb_checkpoints()
----LICENSE(1KB)
----GPT_GNN()
--------utils.py(3KB)
--------__pycache__()
--------__init__.py(1B)
--------model.py(10KB)
--------conv.py(8KB)
--------data.py(11KB)
----requirements.txt(249B)
----example_OAG()
--------finetune_OAG_AD.py(16KB)
--------pretrain_OAG.py(14KB)
--------finetune_OAG_PV.py(12KB)
--------GPT_GNN()
--------finetune_OAG_PF.py(13KB)
--------preprocess_OAG.py(12KB)
----README.md(6KB)