PyTorch Geometric High Order：面向高阶图神经网络的统一库
机器学习
2023-11-29 v1
摘要
我们介绍 PyTorch Geometric High Order（PyGHO），一个用于高阶图神经网络（HOGNNs）并扩展 PyTorch Geometric（PyG）的库。与在节点间交换消息的普通消息传递神经网络（MPNNs）不同，HOGNNs 包含子图 GNNs 与 k-WL GNNs，其对节点元组进行编码，该方法此前缺乏标准化框架且常需复杂编码。PyGHO 的主要目标是为各类 HOGNNs 提供统一且用户友好的接口。其通过为节点元组设计的精简数据结构、全面的数据处理工具，以及用于高阶 GNN 方法的灵活算子套件来实现此目标。本文中，我们深入介绍 PyGHO，并将用 PyGHO 实现的 HOGNNs 与它们在真实任务上的官方实现进行比较。PyGHO 实现了高达 的加速，并将实现所需代码减少一个数量级。我们的库可在 \url{https://github.com/GraphPKU/PygHO} 获取。
引用
@article{arxiv.2311.16670,
title = {PyTorch Geometric High Order: A Unified Library for High Order Graph Neural Network},
author = {Xiyuan Wang and Muhan Zhang},
journal= {arXiv preprint arXiv:2311.16670},
year = {2023}
}