IF YOU WOULD LIKE TO GET AN ACCOUNT, please write an email to s dot adaszewski at gmail dot com. User accounts are meant only to report issues and/or generate pull requests. This is a purpose-specific Git hosting for ADARED projects. Thank you for your understanding!
sadaszewski1
/
decagon-pytorch
forkeado de sadaszewski/decagon-pytorch
1
0
Fork 0
Código Incidencias 0 Pull Requests 0 Lanzamientos 0 Wiki Actividad
No puede seleccionar más de 25 temas Los temas deben comenzar con una letra o número, pueden incluir guiones ('-') y pueden tener hasta 35 caracteres de largo.
193 Commits
1 Rama
866KB
Árbol: 56fdd9ffeb
Ramas Etiquetas
${ item.name }
Crear rama ${ searchTerm }
desde '56fdd9ffeb'
${ noResults }
Stanislaw Adaszewski 56fdd9ffeb Make negative sampling more correct and more efficient at the same time. hace 4 años
docker Start working on experiments/decagon_run. hace 4 años
docs Work on required vertices per layer. hace 4 años
experiments Add Citing note. hace 4 años
src Make negative sampling more correct and more efficient at the same time. hace 4 años
tests Make negative sampling more correct and more efficient at the same time. hace 4 años
.empty Initial commit. hace 4 años
.gitignore Add test_timing_05(). hace 4 años
README.md Add Citing note. hace 4 años
requirements.txt Start icosagon. hace 4 años

README.md

decagon-pytorch

Introduction

Decagon is a method for learning node embeddings in multimodal graphs, and is especially useful for link prediction in highly multi-relational settings.

Decagon-PyTorch is a PyTorch reimplementation of the algorithm.

Citing

If you use this code in your research please cite this repository as:

Adaszewski S. (2020) https://code.adared.ch/sadaszewski/decagon-pytorch

References

  1. Zitnik, M., Agrawal, M., & Leskovec, J. (2018). Modeling polypharmacy side effects with graph convolutional networks Bioinformatics, 34(13), i457-i466.