启智社区（中文版）｜ Github Community (English) ｜Space4HGNN [SIGIR2022] ｜Benchmark&Leaderboard | Slack Channel
OpenHGNN是一个基于 DGL [Deep Graph Library] 和 PyTorch 的开源异质图神经网络工具包，集成了异质图神经网络的前沿模型。
2022-08-02 论文接收
我们的论文 OpenHGNN: An Open Source Toolkit for Heterogeneous Graph Neural Network 在CIKM2022 short paper track接收。
2022-06-27 开源0.3版本
我们开源了0.3版本。
- 新增模型
- 支持API调用
- 简化定制数据集和模型流程
- 异质图信息可视化工具
2022-02-28 开源0.2版本
我们开源了0.2版本。
- 新增模型
- 异质图神经网络的设计空间：Space4HGNN [SIGIR2022]
- 基准数据集以及排行榜：Benchmark&Leaderboard
2022-01-07 加入启智社区
启智社区用户可以享受到如下功能：
- 全新的中文文档
- 免费的计算资源—— 云脑使用教程
- OpenHGNN最新功能
- 新增模型：【KDD2017】Metapath2vec、【TKDE2018】HERec、【KDD2021】HeCo、【KDD2021】SimpleHGN、【TKDE2021】HPN、【ICDM2021】HDE、fastGTN
- 新增日志功能
- 新增美团外卖数据集
- 易用：OpenHGNN提供了了易用的接口在给定的模型和数据集上运行实验，且集成了 optuna 进行超参数优化。
- 可扩展：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新的模型。
- 高效：底层的DGL框架提供了提供了高效的API。
1. Python 环境 (可选): 推荐使用 Conda 包管理
conda create -n openhgnn python=3.6
source activate openhgnn2. 安装Pytorch: 参考 PyTorch安装文档 根据你的操作系统和CUDA版本选择合适的安装命令。例如：
pip install torch torchvision torchaudio3. 安装DGL: 参考 DGL安装文档 根据你的操作系统和CUDA版本选择合适的安装命令。例如：
pip install dgl -f https://data.dgl.ai/wheels/repo.html4. 安装 openhgnn:
- 从pypi安装
pip install openhgnn- 从源码安装
git clone https://github.com/BUPT-GAMMA/OpenHGNN
# If you encounter a network error, try git clone from openi as following.
# git clone https://git.openi.org.cn/GAMMALab/OpenHGNN.git
cd OpenHGNN
pip install .在已有的评测上运行已有的基线模型 数据集
python main.py -m model_name -d dataset_name -t task_name -g 0 --use_best_config --load_from_pretrained使用方法: main.py [-h] [--model MODEL] [--task TASK] [--dataset DATASET] [--gpu GPU] [--use_best_config]
可选参数:
-h, --help 展示帮助信息并退出
--model -m 模型名
--task -t 任务名
--dataset -d 数据集名
--gpu -g 控制你使用哪一个GPU，如果没有GPU，设定 -g -1。
--use_best_config use_best_config 意味着你使用该模型在该数据集下最优的配置，如果你想要设定不同的超参数,请手动修改 配置文件。使用最佳配置会覆盖配置文件中的参数。
--load_from_pretrained 从默认检查点加载模型。
示例:
python main.py -m GTN -d imdb4GTN -t node_classification -g 0 --use_best_config提示: 如果你对某个模型感兴趣,你可以参考下列的模型列表。
请参考 文档 了解更多的基础和进阶的使用方法。
表格中的链接给出了模型的基本使用方法.
| 模型 | 节点分类 | 链路预测 | 推荐 |
|---|---|---|---|
| TransE[NIPS 2013] | ✔️ | ||
| TransH[AAAI 2014] | ✔️ | ||
| TransR[AAAI 2015] | ✔️ | ||
| TransD[ACL 2015] | ✔️ | ||
| Metapath2vec[KDD 2017] | ✔️ | ||
| RGCN[ESWC 2018] | ✔️ | ✔️ | |
| HERec[TKDE 2018] | ✔️ | ||
| HAN[WWW 2019] | ✔️ | ✔️ | |
| KGCN[WWW 2019] | ✔️ | ||
| HetGNN[KDD 2019] | ✔️ | ✔️ | |
| HeGAN[KDD 2019] | ✔️ | ||
| HGAT[EMNLP 2019] | |||
| GTN[NeurIPS 2019] & fastGTN | ✔️ | ||
| RSHN[ICDM 2019] | ✔️ | ✔️ | |
| GATNE-T[KDD 2019] | ✔️ | ||
| DMGI[AAAI 2020] | ✔️ | ||
| MAGNN[WWW 2020] | ✔️ | ||
| HGT[WWW 2020] | |||
| CompGCN[ICLR 2020] | ✔️ | ✔️ | |
| NSHE[IJCAI 2020] | ✔️ | ||
| NARS[arxiv] | ✔️ | ||
| MHNF[arxiv] | ✔️ | ||
| HGSL[AAAI 2021] | ✔️ | ||
| HGNN-AC[WWW 2021] | ✔️ | ||
| HeCo[KDD 2021] | ✔️ | ||
| SimpleHGN[KDD 2021] | ✔️ | ||
| HPN[TKDE 2021] | ✔️ | ✔️ | |
| RHGNN[arxiv] | ✔️ | ||
| HDE[ICDM 2021] | ✔️ | ||
| HetSANN[AAAI 2020] | ✔️ | ||
| ieHGCN[TKDE 2021] | ✔️ |
- Heterogeneous Graph Attention Networks for Semi-supervised Short Text Classification[EMNLP 2019]
- Heterogeneous Information Network Embedding with Adversarial Disentangler[TKDE 2021]
OpenHGNN团队[北邮 GAMMA 实验室]、DGL 团队和鹏城实验室。
欢迎在您的工作中用如下的方式引用OpenHGNN:
@inproceedings{han2022openhgnn,
title={OpenHGNN: An Open Source Toolkit for Heterogeneous Graph Neural Network},
author={Hui Han, Tianyu Zhao, Cheng Yang, Hongyi Zhang, Yaoqi Liu, Xiao Wang, Chuan Shi},
booktitle={CIKM},
year={2022}
}