2 Repos
Awesome GitHub RepositoriesNode Embeddings
Techniques for representing graph nodes as low-dimensional vectors that capture structural and neighborhood information.
Distinct from Graph Node Filtering: Candidates focus on graph database mutations or visual pipelines, not the ML task of vector embedding generation.
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Node Embeddings. Refine with filters or upvote what's useful.
Awesome Node Embeddings GitHub Repositories
Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
- tkipf/pygcn
tkipf/pygcn
5,404Auf GitHub ansehenpygcn ist eine PyTorch-Bibliothek und ein Framework zur Implementierung von Graph Convolutional Networks. Sie bietet Tools für semi-überwachte Knotenklassifizierung und die Generierung von Knoteneinbettungen aus graphstrukturierten Daten. Das System konvertiert Graph-Knoten in niedrigdimensionale Vektoren basierend auf Nachbarschaftsmustern und lokalen Ähnlichkeiten. Es ermöglicht die Vorhersage von Knoten-Labels durch die Nutzung sowohl einer kleinen Menge gelabelter Beispiele als auch der gesamten Graphtopologie. Die Bibliothek deckt relationale Datenanalyse und semi-überwachtes Graph-Learning ab. Sie enthält Rechenprimitive für Message-Passing, Adjazenz-Transformation und symmetrische Normalisierung.
Converting complex graph nodes into simple vectors to analyze community structures and local patterns using PyTorch.
Python - shenweichen/graphembedding
shenweichen/GraphEmbedding
3,844Auf GitHub ansehenGraphEmbedding is a graph network representation library and node embedding framework. It provides a toolkit for transforming complex network nodes into low-dimensional vector spaces, enabling the integration of relational graph data into machine learning workflows. The library functions as a dimensionality reduction toolkit and network topology analysis tool. It uses matrix-factorization techniques to preserve global connectivity and employs random-walk sampling with skip-gram based vector optimization to learn numerical representations of nodes. The framework covers several domain-specific
Implements a framework for learning node embeddings using random-walk sampling and skip-gram optimization.
Pythondeepwalkgraphgraphembedding
