重新加入极市专精CV沟通交流群，与6000+源自腾讯，宏碁，腾讯，北大，清华，中国科学院等优秀企业高等学府听觉开发人员交互沟通交流！更有良机与罗永浩同学等大羊群内交互！

与此同时提供更多每星期大咖现场直播撷取、真实世界工程项目市场需求交会、蔬果资料库汇整，金融行业技术沟通交流。点选variations马上提出申请入群~

方红豆 丽翔 凹非寺物理位 公司出品 | 社会公众号 QbitAI

△左边是球状的

好景不长生物学家辨认出，图神经网络 (GNN)能处理球状数据、攻克从前难解的问题，后每每出现图网络的资源，便广受人类的喜爱。

这次也不例外。

有个叫本尼迪克 (Benedek Rozemberczki) 的少年，在爱丁堡大学读博，他把自己整理的70多篇图网络论文+代码实现大列表，放上了GitHub。

少年在Reddit上宣布这个消息，半日热度便有215点。

不止如此，大列表也在twitter上获得了800+赞：

不久，GitHub标星上了千。

本尼迪克说，列表里的模型分门别类：有图分解、有图核、有深度网络……且还会持续更新。

比起不久前红遍大江南北的PyTorch Geometric图网络库，少年说他的列表更全面。

所以，就来观察一下到底有多全。

分成四类

列表的名字，叫Awesome Graph Classification。

就像开头提到的那样，70多篇论文和它们的代码，被少年分到了四个类别里。

前两类比较简洁：

第一类是分解 (Factorization)，有6篇论文的实现。比如，2017年诞生的graph2vec，把整个图编码进向量空间，便属于这一类。

第二类是Spectral and Statistical Fingerprints，有7项研究的实现。比如，中选KDD2018的NetLSD，不受排列方式的影响、尺寸大小的影响，能在大图和大图之间做直接对比。

后面两类就丰盛了许多：

第三类是深度学习(Deep Learning) ，也是内容最饱满的章节，有37篇论文的代码。不乏近年顶会的中选论文：

第四类是图核 (Graph Kernels)，衡量两图相似度的一种有效方法。这个类别有21项研究的代码，不过这里的论文并不限于近年，跨度从2003年直到2018年。

哪里比前辈厉害？

回想上半年，多特蒙德工业大学的两位少年，了PyTorch Geometric (简称PyG) 图网络库，瞬时红火起来，如今已有4400多星。

PyG在四个数据集上，运行GCN和GAT模型的速度，都超过了从前的DGL图网络库，最高达到15倍速。

但从覆盖度上看，PyG有大约30个模型的代码实现，而本尼迪克的新列表包含了超过70篇论文的实现。

不止是总数的差距，本尼迪克说PyG库只有深度网络；

但在图分类 (Graph Classification) 任务里，如果没有节点和边缘特征，分解(如Graph2Vec) 和Fingerprints (如NetLSD) 都是很有竞争力的。

这些算法，都在本尼迪克的大列表里。

所以，各位可以马克一下。

One More Thing

其实，少年整理过的清单并不止这一个。

社区辨认出 (Community Detection) 、分类/回归树，以及梯度增强，都有论文代码实现列表。大家可以从传送门前往探索。

图网络大列表：https://github.com/benedekrozemberczki/awesome-graph-classification

—完—

*延伸阅读

• 比DGL快14倍：PyTorch图神经网络库PyG上线了

• CVPR2019 | 通过自适应的图卷积网络建模骨骼点数据进行行为识别

点选左下角，即可提出申请重新加入极市目标跟踪、目标检测、工业检测、人脸方向、听觉竞赛等技术沟通交流群，更有每星期大咖现场直播撷取、真实世界工程项目市场需求交会、蔬果资料库汇整，金融行业技术沟通交流，一起来让思想之光照的更远吧~

觉得有用麻烦给个在看啦~

→CL自助下单平台←