atarum/GraphNeuralNetworks

Graph Neural Networks

「グラフニューラルネットワーク」(オーム社) サポートページ

「グラフニューラルネットワーク」(オーム社)に関するサポート情報を掲載します。

出版社・アマゾン

オーム社 https://www.ohmsha.co.jp/book/9784274228872/
アマゾン https://www.amazon.co.jp/dp/4274228878/

書誌情報

グラフニューラルネットワーク: PyTorchによる実装
村田 剛志 著
本体3,200円＋税
A5判／248頁
ISBN：978-4-274-22887-2
発売日：2022/07/20
発行元：オーム社

第5章第6章のコード

• このGitHub上で見る
• Colaboratoryで見る

文中のリンク

第1章 グラフニューラルネットワークとは

• 13ページ
  "Graph Neural Networks: A Review of Methods and Applications"
  Jie Zhou, Ganqu Cui, Shengding Hu, Zhengyan Zhang, Cheng Yang, Zhiyuan Liu, Lifeng Wang, Changcheng Li, Maosong Sun
  AI Open, Vol. 1, pp.57-81, 2020.
  https://doi.org/10.1016/j.aiopen.2021.01.001

• 14ページ
  Traffic prediction with advanced Graph Neural Networks
  DeepMind, September 3, 2020.
  https://www.deepmind.com/blog/traffic-prediction-with-advanced-graph-neural-networks

• 17ページ
  Graph Methods for COVID-19 Response
  William L. Hamilton
  https://cs.mcgill.ca/~wlh/comp766/files/graphs-against-covid.pdf

第2章 グラフエンベディング

• 23ページ
  A Survey on Network Embedding
  Peng Cui, Xiao Wang, Jian Pei, Wenwu Zhu
  IEEE Transactions on Knowledge and Data Engineering, Vol. 31, No. 5, pp. 833-852, 2019.
  https://doi.org/10.1109/TKDE.2018.2849727

• 31ページ
  DeepWalk: online learning of social representations
  Bryan Perozzi, Rami Al-Rfou, Steven Skiena
  The 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD'14), pp.701-710, 2014.
  https://doi.org/10.1145/2623330.2623732
  著者Perozziによるコード
  https://github.com/phanein/deepwalk
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/method/deepwalk

• 36ページ
  LINE: Large-scale Information Network Embedding
  Jian Tang, Meng Qu, Mingzhe Wang, Ming Zhang, Jun Yan, Qiaozhu Mei
  Proceedings of the 24th International Conference on World Wide Web (WWW'15) pp.1067-1077, 2015.
  https://doi.org/10.1145/2736277.2741093
  著者Tangによるコード
  https://github.com/tangjianpku/LINE
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/method/line

• 39ページ
  node2vec: Scalable Feature Learning for Networks
  Aditya Grover, Jure Leskovec
  Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD'16) pp.855-864, 2016.
  https://doi.org/10.1145/2939672.2939754
  著者Groverらによるサイト
  https://snap.stanford.edu/node2vec/
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/method/node2vec

• 40ページ
  GraRep: Learning Graph Representations with Global Structural Information
  Shaosheng Cao, Wei Lu, Qiongkai Xu
  Proceedings of the 24th ACM International Conference on Information and Knowledge Management (CIKM'15) pp.891-900, 2015.
  https://doi.org/10.1145/2806416.2806512
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/paper/grarep-learning-graph-representations-with

• 44ページ
  グラフエンベディング手法の比較のためのPythonコード
  https://github.com/yijiaozhang/hypercompare

第3章 グラフにおける畳み込み

• 60ページ
  Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering
  Michaël Defferrard, Xavier Bresson, Pierre Vandergheynst
  Advances in Neural Information Processing Systems 29 (NIPS 2016), 2016.
  https://papers.nips.cc/paper/6081-convolutional-neural-networks-on-graphs-with-fast-localized-spectral-filtering
  https://arxiv.org/abs/1606.09375
  著者Defferrardによるコード
  https://github.com/mdeff/cnn_graph
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/paper/convolutional-neural-networks-on-graphs-with

• 62ページ
  Semi-Supervised Classification with Graph Convolutional Networks
  Thomas N. Kipf, Max Welling
  5th International Conference on Learning Representations (ICLR 2017), 2017.
  https://arxiv.org/abs/1609.02907
  著者Kipfによるコード
  https://github.com/tkipf/gcn
  著者Kipfによるサイト
  http://tkipf.github.io/graph-convolutional-networks/

• 65ページ
  Learning Convolutional Neural Networks for Graphs
  Mathias Niepert, Mohamed Ahmed, Konstantin Kutzkov
  Proceedings of the 33rd International Conference on Machine Learning (ICML 2016), 2016.
  https://arxiv.org/abs/1605.05273
  コード
  https://github.com/Lookuz/PATCHY-SAN
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/paper/learning-convolutional-neural-networks-for

• 67ページ
  Diffusion-Convolutional Neural Networks
  James Atwood, Don Towsley
  Proceedings of the 30th International Conference on Neural Information Processing Systems (NIPS 2016), 2016.
  https://arxiv.org/abs/1511.02136
  コード
  https://github.com/jcatw/dcnn
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/paper/diffusion-convolutional-neural-networks

• 69ページ
  Inductive Representation Learning on Large Graphs
  William L. Hamilton, Rex Ying, Jure Leskovec
  Proceedings of the 31st International Conference on Neural Information Processing Systems (NIPS 2017), 2017.
  https://arxiv.org/abs/1706.02216
  コード
  https://github.com/williamleif/GraphSAGE
  著者Hamiltonらによるサイト
  http://snap.stanford.edu/graphsage/
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/paper/inductive-representation-learning-on-large

第4章 関連トピック

• 74ページ
  Structural Deep Network Embedding
  Daixin Wang, Peng Cui, Wenwu Zhu
  Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD'16), pp.1225–1234, 2016
  https://doi.org/10.1145/2939672.2939753
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/paper/structural-deep-network-embedding

• 80ページ
  Graph Attention Networks
  Petar Veličković, Guillem Cucurull, Arantxa Casanova, Adriana Romero, Pietro Liò, Yoshua Bengio
  6th International Conference on Learning Representations (ICLR 2018), 2018.
  https://arxiv.org/abs/1710.10903
  コード
  https://github.com/PetarV-/GAT
  著者Velickovicらによるサイト
  https://petar-v.com/GAT/
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/paper/graph-attention-networks

• 83ページ
  Simplifying Graph Convolutional Networks
  Felix Wu, Tianyi Zhang, Amauri Holanda de Souza Jr., Christopher Fifty, Tao Yu, Kilian Q. Weinberger
  Proceedings of the 36th International Conference on Machine Learning (ICML 2019), 2019.
  https://arxiv.org/abs/1902.07153
  コード
  https://github.com/Tiiiger/SGC
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/paper/simplifying-graph-convolutional-networks/

• 86ページ
  How Powerful are Graph Neural Networks?
  Keyulu Xu, Weihua Hu, Jure Leskovec, Stefanie Jegelka
  7th International Conference on Learning Representations (ICLR 2019), 2019.
  https://arxiv.org/abs/1810.00826
  コード
  https://github.com/weihua916/powerful-gnns

• 87ページ
  paperswithcode.comにおけるサイト
  https://paperswithcode.com/paper/how-powerful-are-graph-neural-networks/
  A Survey on The Expressive Power of Graph Neural Networks
  Ryoma Sato
  https://arxiv.org/abs/2003.04078

• 88ページ
  Adversarial Attacks and Defenses on Graphs
  Wei Jin, Yaxing Li, Han Xu, Yiqi Wang, Shuiwang Ji, Charu Aggarwal, Jiliang Tang
  ACM SIGKDD Explorations Newsletter, Vol.22, Issue 2, pp.19–34, 2020.
  https://doi.org/10.1145/3447556.3447566

• 89ページ
  DeepRobust
  https://github.com/DSE-MSU/DeepRobust

• 96ページ
  Explainability in Graph Neural Networks: A Taxonomic Survey
  Hao Yuan, Haiyang Yu, Shurui Gui, Shuiwang Ji
  https://arxiv.org/abs/2012.15445

第5章 実装のための準備

• 103ページ
  Pythonの本家のサイト
  https://www.python.org/
  Python情報サイト
  https://www.python.jp/

• 106ページ
  NumPyのquickstartのサイト
  https://numpy.org/doc/stable/user/quickstart.html

• 109ページ
  SciPyのドキュメンテーション
  https://docs.scipy.org/doc/scipy/index.html

• 112ページ
  pandasのドキュメンテーション
  https://pandas.pydata.org/docs/index.html

• 113ページ
  Matplotlibの例
  https://matplotlib.org/stable/gallery/index.html

• 115ページ
  Matplotlibのサイト
  https://matplotlib.org/stable/index.html

• 116ページ
  seabornの例
  https://seaborn.pydata.org/examples/index.html

• 117ページ
  seaborn.jointplot
  https://seaborn.pydata.org/generated/seaborn.jointplot.html

• 118ページ
  seabornのサイト
  https://seaborn.pydata.org/

• 119ページ
  scikit-learnのサイト
  https://scikit-learn.org/stable/

• 120ページ
  scikit-learn algorithm cheat-sheet
  https://scikit-learn.org/stable/tutorial/machine_learning_map/

• 122ページ
  Laurens van der Maatenによるサイト(t-SNE)
  https://lvdmaaten.github.io/tsne/

• 123ページ
  How to use t-SNE Effectively
  https://distill.pub/2016/misread-tsne/

• 125ページ
  Scipy Lecture Notes (英語)
  https://scipy-lectures.org/
  Scipy Lecture Notes (日本語訳)
  http://www.turbare.net/transl/scipy-lecture-notes/

• 126ページ
  Jupyter Notebook
  https://jupyter.org/
  Anaconda
  https://www.anaconda.com/

• 127ページ
  JupyterLab Desktop App
  https://github.com/jupyterlab/jupyterlab-desktop

• 128ページ
  Colaboratory
  https://colab.research.google.com/

第6章 PyTorch Geometricによる実装

• 135ページ
  PyTorch Get Started
  https://pytorch.org/get-started/locally/
  Colab Notebooks and Video Tutorials
  https://pytorch-geometric.readthedocs.io/en/latest/notes/colabs.html

• 136ページ
  PyTorchチュートリアル(日本語翻訳版)
  https://yutaroogawa.github.io/pytorch_tutorials_jp/
  PyTorch Tutorials
  https://pytorch.org/tutorials/
  PyTorch Documentation
  https://pytorch.org/docs/stable/
  PyTorch basics (PyTorch Geometric Tutorial)
  https://antoniolonga.github.io/Pytorch_geometric_tutorials/posts/post2.html

• 147ページ
  Loss Functions (PyTorch)
  https://pytorch.org/docs/stable/nn.html#loss-functions

• 159ページ
  PyTorch Tutorials
  https://pytorch.org/tutorials/
  PyTorchチュートリアル(日本語翻訳版)
  https://yutaroogawa.github.io/pytorch_tutorials_jp/

• 160ページ
  PyTorch Geometric (PyG)
  https://github.com/pyg-team/pytorch_geometric
  Deeo Graph Library (DGL)
  https://www.dgl.ai/

• 161ページ
  Graph Nets
  https://github.com/deepmind/graph_nets

• 162ページ
  Lightning
  https://www.pytorchlightning.ai/
  catalyst
  https://github.com/catalyst-team/catalyst
  fastai
  https://docs.fast.ai/
  ignite
  https://github.com/pytorch/ignite

• 163ページ
  Introduction by Example (PyG Documentation)
  https://pytorch-geometric.readthedocs.io/en/latest/notes/introduction.html

• 167ページ
  TUDataset
  http://graphkernels.cs.tu-dortmund.de

• 177ページ
  Colab Notebooks and Video Tutorials
  https://pytorch-geometric.readthedocs.io/en/latest/notes/colabs.html

第7章 今後の学習に向けて

• 214ページ
  Introduction to Graph Neural Networks
  Zhiyuan Liu, Jie Zhou
  Morgan & Claypool Publishers, 2020.
  https://doi.org/10.2200/S00980ED1V01Y202001AIM045
  Graph Representation Learning
  William L. Hamilton
  Morgan & Claypool publishers, 2020.
  https://doi.org/10.2200/S01045ED1V01Y202009AIM046
  (preprint)
  https://www.cs.mcgill.ca/~wlh/grl_book/

• 215ページ
  Deep Learning on Graphs
  Yao Ma, Jiliang Tang
  Cambridge University Press, 2021.
  https://doi.org/10.1017/9781108924184
  (preprint)
  https://web.njit.edu/~ym329/dlg_book/
  Graph Neural Networks -- Foundations, Frontiers, and Applications
  Lingfei Wu, Peng Cui, Jian Pei, Liang Zhao
  Springer, 2022.
  https://doi.org/10.1007/978-981-16-6054-2
  (preprint)
  https://graph-neural-networks.github.io/

• 216ページ
  A Comprehensive Survey on Graph Neural Networks
  Zonghan Wu, Shirui Pan, Fengwen Chen, Guodong Long, Chengqi Zhang, Philip S. Yu
  IEEE Transactions on Neural Networks and Learning Systems, Vol. 32, Issue 1, pp.4-24, 2021.
  https://doi.org/10.1109/TNNLS.2020.2978386

• 217ページ
  Graph Neural Networks: A Review of Methods and Applications
  Jie Zhou, Ganqu Cui, Shengding Hu, Zhengyan Zhang, Cheng Yang, Zhiyuan Liu, Lifeng Wang, Changcheng Li, Maosong Sun
  AI Open, Vol. 1, pp.57-81, 2020.
  https://doi.org/10.1016/j.aiopen.2021.01.001
  Deep Learning on Graphs: A Survey
  Ziwei Zhang, Peng Cui, Wenwu Zhu
  IEEE Transactions on Knowledge and Data Engineering, Vol. 34, pp. 249-270, 2022.
  https://doi.org/10.1109/TKDE.2020.2981333

• 218ページ
  CS224W: Machine Learning with Graphs
  Stanford / Fall 2022
  http://web.stanford.edu/class/cs224w/
  Pytorch Geometric Tutorial
  Antonio Longa, Gabriele Santin, Giovanni Pellegrini
  https://antoniolonga.github.io/Pytorch_geometric_tutorials/
  Colab Notebooks and Video Tutorials
  https://pytorch-geometric.readthedocs.io/en/latest/notes/colabs.html

• 219ページ
  Graph Neural Networks
  https://hhaji.github.io/Deep-Learning/Graph-Neural-Networks/
  Must-read papers on GNN
  https://github.com/thunlp/GNNPapers
  Papers with codes – Graphs
  https://paperswithcode.com/area/graphs
  Awesome resources on Graph Neural Networks
  https://github.com/GRAND-Lab/Awesome-Graph-Neural-Networks

• 220ページ
  Open Graph Benchmark (OGB)
  https://ogb.stanford.edu/