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
rozštěpen z sadaszewski/decagon-pytorch
1
0
Rozštěpit 0
Zdrojový kód Úkoly 0 Požadavky na natažení 0 Vydání 0 Wiki Aktivita
Nelze vybrat více než 25 témat Téma musí začínat písmenem nebo číslem, může obsahovat pomlčky („-“) a může být dlouhé až 35 znaků.
176 Revize
1 Větev
866KB
Strom: aa3cc1f3ad
Větve Značky
${ item.name }
Vytvořit větev ${ searchTerm }
z „aa3cc1f3ad“
${ noResults }
Stanislaw Adaszewski aa3cc1f3ad Reimplement FastConvLayer. před 4 roky
docker Start working on experiments/decagon_run. před 4 roky
docs Update matrix-multiply. před 4 roky
experiments Add Citing note. před 4 roky
src Reimplement FastConvLayer. před 4 roky
tests Add test_fast_graph_conv_03() and test_fast_graph_conv_04(). před 4 roky
.empty Initial commit. před 4 roky
.gitignore Add test_timing_05(). před 4 roky
README.md Add Citing note. před 4 roky
requirements.txt Start icosagon. před 4 roky

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.