PyTorch Geometric Signed Directed：面向符号图与有向图图神经网络的软件包
机器学习
2023-12-04 v6 人工智能
社会与信息网络
机器学习
摘要
网络在许多现实应用中无处不在（例如，编码信任/不信任关系的社交网络、由时间序列数据产生的相关网络）。虽然许多网络是符号的或有向的，或兼而有之，但缺乏专门为有符号和有向网络设计的图神经网络（GNNs）的统一软件包。在本文中，我们提出 PyTorch Geometric Signed Directed (PyGSD)，一个填补这一空白的软件包。在此过程中，我们通过实验对所实现的方法进行评估，以期为给定任务选择何种方法提供见解。该深度学习框架包含易于使用的 GNN 模型、合成与真实世界数据，以及针对符号和有向网络的任务特定评估指标与损失函数。作为 PyG 的扩展库，我们提出的软件以开源发布、详细文档、持续集成、单元测试和代码覆盖率检查的方式进行维护。该库的 GitHub 仓库为 https://github.com/SherylHYX/pytorch_geometric_signed_directed。
引用
@article{arxiv.2202.10793,
title = {PyTorch Geometric Signed Directed: A Software Package on Graph Neural Networks for Signed and Directed Graphs},
author = {Yixuan He and Xitong Zhang and Junjie Huang and Benedek Rozemberczki and Mihai Cucuringu and Gesine Reinert},
journal= {arXiv preprint arXiv:2202.10793},
year = {2023}
}
备注
Accepted by LoG 2023. 27 pages in total