#图机器学习
相关项目
ogb
OGB项目集成了图机器学习所需的基准数据集、数据加载器和标准化评估工具，兼容PyTorch Geometric和DGL等主流深度学习框架。支持处理节点、链接和图级别的预测任务，数据集广泛涵盖科学、社交网络和异构知识图等领域，并适应从单GPU到多GPU的处理需求。OGB为研究人员提供了简化数据下载、标准化拆分和性能评估的便利工具。
graphstorm
GraphStorm是一个面向企业的图机器学习框架，能处理数十亿节点和边的超大规模图。它提供可扩展的训练和推理管道，内置多种GML模型，支持一键训练。框架还提供丰富配置选项用于自定义模型和训练流程，并支持分布式训练自定义GML模型，只需提供模型实现即可实现扩展。
awesome-large-graph-model
这个项目整理了大规模图模型相关的研究文献，涵盖理论基础和实际应用。内容包括图神经网络与大型语言模型的结合、LLM在图任务中的应用、图提示学习和参数高效微调等技术。同时涉及知识图谱、分子科学和神经架构搜索等领域。项目为图机器学习研究提供了全面的文献综述，有助于推动该领域的发展。
graph-data-augmentation-papers
该项目收集了图数据增强领域的研究论文,包括节点、图和边任务的监督与半监督学习方法,以及自监督学习中的对比学习技术。项目提供文献综述、教程和代码资源,支持图机器学习研究。内容持续更新,开放社区贡献。