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
geforkt von sadaszewski/decagon-pytorch
1
0
Fork 0
Code Issues 0 Pull-Requests 0 Releases 0 Wiki Aktivität
Du kannst nicht mehr als 25 Themen auswählen Themen müssen entweder mit einem Buchstaben oder einer Ziffer beginnen. Sie können Bindestriche („-“) enthalten und bis zu 35 Zeichen lang sein.
200 Commits
1 Branch
866KB
Struktur: ebcd38c910
Branches Tags
${ item.name }
Erstelle Branch ${ searchTerm }
von „ebcd38c910“
${ noResults }
Stanislaw Adaszewski ebcd38c910 Add first triacontagon experiment. vor 3 Jahren
docker Start working on experiments/decagon_run. vor 3 Jahren
docs Add Batcher. vor 3 Jahren
experiments Add first triacontagon experiment. vor 3 Jahren
src Add first triacontagon experiment. vor 3 Jahren
tests Add tests for _same_data_org() and DualBatcher. vor 3 Jahren
.empty Initial commit. vor 4 Jahren
.gitignore Add test_timing_05(). vor 3 Jahren
README.md Add Citing note. vor 3 Jahren
requirements.txt Start icosagon. vor 3 Jahren

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.