DHG简介

DHG (DeepHypergraph) 是基于 PyTorch 的深度学习包， 可用于图神经网络以及超图神经网络。 其支持 从顶点到顶点、从一个域的顶点到另一个域的顶点、 从顶点到超边,、从超边到顶点、从顶点集到顶点集 等低阶或高阶信息传递的通用框架。

其支持大量低阶关联结构（图、有向图、二分图等）以及高阶关联结构（超图等）。 大量基于谱域的操作（例如基于拉普拉斯的平滑）和基于空域的操作（例如从域到域的信息传递）集成在不同的关联结构中。 其为不同任务的性能评测提供多种通用评测指标，并且覆盖多种当前最先进的模型以便简单使用。 我们同样为低阶或高阶关联结构提供多种可视化工具。

除此之外，DHG的 dhg.experiments 模块基于 Optuna 实现了 Auto-ML， 可以帮您调整模型训练超参数以便轻松超过最先进的的模型。

新闻

• 2024-01-31 -> v0.9.4 正式发布！ 修复了若干bug，包含更多数据集！

• 2022-12-28 -> v0.9.3 正式发布！ 包含更多数据集和超图操作！

• 2022-09-25 -> v0.9.2 正式发布！ 包含更多数据集、最新模型和可视化功能！

• 2022-08-25 -> DHG的第一个版本 v0.9.1 正式发布！

引用

如果您觉得我们的包对您的研究有用，请引用我们的论文：

@article{gao2022hgnn,
   title={HGNN $\^{}+ $: General Hypergraph Neural Networks},
   author={Gao, Yue and Feng, Yifan and Ji, Shuyi and Ji, Rongrong},
   journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
   year={2022},
   publisher={IEEE}
}

@inproceedings{feng2019hypergraph,
   title={Hypergraph neural networks},
   author={Feng, Yifan and You, Haoxuan and Zhang, Zizhao and Ji, Rongrong and Gao, Yue},
   booktitle={Proceedings of the AAAI conference on artificial intelligence},
   volume={33},
   number={01},
   pages={3558--3565},
   year={2019}
}