OpenHGNN:An Open-Source Toolkit for Heterogeneous Graph Neural Networks
今天带大家学习一个异质图神经网络开源工具包
OpenHGNN
。该工具包由北京邮电大学石川教授
GAMMA Lab
发布,主要基于
PyTorch
和
DGL
。该开源工具包中集成了当前许多异质图神经网络的前沿模型,并提供了易用的接口,用户可以定义定制化的任务/模型/数据集来对新的场景应用建模,同时还集成了optuna进行超参数优化。
异质图神经网络(HGNNs)作为一种强大的异构图表示学习方法,越来越受到许多研究人员的关注。 虽然,现有的几个库已经支持 HGNN,但它们只提供最基本的模型和运算符。 在HGNN上构建各种下游任务并对其进行基准测试仍然是痛苦且耗时的。 在本文中,作者将介绍OpenHGNN,这是一个用于HGNN 的开源工具包。 OpenHGNN定义了一个统一标准的训练和测试管道,可以让用户只用一个命令行就可以在特定的数据集上运行模型。 OpenHGNN集成了20+主流HGNN和20+异构图数据集,可用于节点分类、链路预测、推荐等各种高级任务。 此外,得益于OpenHGNN的模块化设计,可以进行扩展以满足用户的定制化需求。 作者还发布了一些新颖实用的工具和功能,包括排行榜、autoML、设计空间和可视化,为用户提供更好的使用体验。
论文地址:http://shichuan.org/doc/139.pdf
代码仓库: