shuowang-ai/GeniePath-pytorch

🚀 GeniePath-pytorch: GNN với con đường nhận dạng thích ứng

Implement PyTorch của GeniePath — mô hình học trường nhận dạng thích ứng trên đồ thị một cách có hệ thống.

GeniePath là một cách tiếp cận có khả năng mở rộng để học các trường nhận dạng thích ứng của mạng nơron trên dữ liệu đồ thị không bị ảnh hưởng bởi thứ tự. Mô hình đề xuất một lớp đường dẫn thích ứng bao gồm hai hàm bổ sung nhau: một hàm cho khám phá rộng (học độ quan trọng của các lân cận kích thước khác nhau) và một hàm khác cho khám phá sâu (trích xuất và lọc tín hiệu từ các hành hàng xóm xa). GeniePath hoạt động trong cả thiết lập biếm chứng và suy diễn, đạt kết quả tiên tiến trên các đồ thị lớn.

✨ Điểm nổi bật

• GeniePath đầy đủ: phiên bản gốc với F1-score 0.9709
• GeniePathLazy: phiên bản tối ưu với F1-score 0.9762 (dim=256, lstm_hidden=256)
• PyTorch Geometric (PyG): dựa trên thư viện đồ thị mạnh mẽ
• Hỗ trợ hai chế độ: transductive và inductive
• Cài đặt đơn giản: chỉ cần pip install -r requirements.txt
• Chọn mô hình linh hoạt: dễ dàng chuyển đổi giữa GeniePath và GeniePathLazy trong cấu hình

💡 Vì sao đáng chú ý

Khác biệt với các GNN truyền thống dùng cố định số lớp hoặc kích thước lân cận, GeniePath học đường dẫn truyền tin thích ứng — cho phép mạng tự quyết định mức độ khám phá rộng hay sâu ở từng nút. Điều này giúp mô hình hiệu quả hơn trên đồ thị lớn và phức tạp, đồng thời duy trì hiệu năng cao trong cả thiết lập biếm chứng và suy diễn.

---

#GNN #GraphNeuralNetwork #PyTorch #GeniePath #TiniX