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
форк від sadaszewski/decagon-pytorch
1
0
Форк 0
Код Проблеми 0 Запити на злиття 0 Релізи 0 Вікі Активність
Ви не можете вибрати більше 25 тем Теми мають розпочинатися з літери або цифри, можуть містити дефіси (-) і не повинні перевищувати 35 символів.
193 Коміти
1 Гілка
866KB
Дерево: 56fdd9ffeb
Гілки Теги
${ item.name }
Створити гілку ${ searchTerm }
з '56fdd9ffeb'
${ noResults }
Stanislaw Adaszewski 56fdd9ffeb Make negative sampling more correct and more efficient at the same time. 4 роки тому
docker Start working on experiments/decagon_run. 4 роки тому
docs Work on required vertices per layer. 4 роки тому
experiments Add Citing note. 4 роки тому
src Make negative sampling more correct and more efficient at the same time. 4 роки тому
tests Make negative sampling more correct and more efficient at the same time. 4 роки тому
.empty Initial commit. 4 роки тому
.gitignore Add test_timing_05(). 4 роки тому
README.md Add Citing note. 4 роки тому
requirements.txt Start icosagon. 4 роки тому

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.