| ESA + rings + NodeRWSE + EdgeRWSE |
- Test MAE
- 0.0109±0.0002
|
An end-to-end attention-based approach for learning on graphs
2024-02-16 |
코드 1 |
| ESA + RWSE + CY2C (Edge set attention, Random Walk Structural Encoding, clique adjacency, tuned) |
- Test MAE
- 0.0122±0.0004
|
An end-to-end attention-based approach for learning on graphs
2024-02-16 |
코드 1 |
| TIGT |
- Test MAE
- 0.014
|
Topology-Informed Graph Transformer
2024-02-03 |
코드 1 · 코드 2 |
| ESA + RWSE (Edge set attention, Random Walk Structural Encoding, tuned) |
- Test MAE
- 0.0154±0.0001
|
An end-to-end attention-based approach for learning on graphs
2024-02-16 |
코드 1 |
| ESA + RWSE (Edge set attention, Random Walk Structural Encoding) |
- Test MAE
- 0.017±0.001
|
An end-to-end attention-based approach for learning on graphs
2024-02-16 |
코드 1 |
| GRIT |
- Test MAE
- 0.023
|
Graph Inductive Biases in Transformers without Message Passing
2023-05-27 |
코드 1 · 코드 2 |
| GraphGPS |
- Test MAE
- 0.024±0.007
|
Recipe for a General, Powerful, Scalable Graph Transformer
2022-05-25 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| SignNet |
- Test MAE
- 0.024±0.003
|
Sign and Basis Invariant Networks for Spectral Graph Representation Learning
2022-02-25 |
코드 1 · 코드 2 |
| ESA (Edge set attention, no positional encodings) |
- Test MAE
- 0.027±0.001
|
An end-to-end attention-based approach for learning on graphs
2024-02-16 |
코드 1 |
| Graphormer |
- Test MAE
- 0.036±0.002
|
Do Transformers Really Perform Bad for Graph Representation?
2021-06-09 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| δ-2-GNN |
- Test MAE
- 0.042±0.003
|
Weisfeiler and Leman go sparse: Towards scalable higher-order graph embeddings
2019-04-02 |
코드 1 |
| δ-2-LGNN |
- Test MAE
- 0.045±0.006
|
Weisfeiler and Leman go sparse: Towards scalable higher-order graph embeddings
2019-04-02 |
코드 1 |
| TokenGT |
- Test MAE
- 0.047±0.010
|
Pure Transformers are Powerful Graph Learners
2022-07-06 |
코드 1 · 코드 2 |
| PNA |
- Test MAE
- 0.057±0.007
|
Principal Neighbourhood Aggregation for Graph Nets
2020-04-12 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| GIN |
- Test MAE
- 0.068±0.004
|
How Powerful are Graph Neural Networks?
2018-10-01 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 |
| GAT |
- Test MAE
- 0.078±0.006
|
Graph Attention Networks
2017-10-30 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 · 코드 65 · 코드 66 · 코드 67 · 코드 68 · 코드 69 · 코드 70 · 코드 71 · 코드 72 · 코드 73 · 코드 74 · 코드 75 · 코드 76 · 코드 77 · 코드 78 · 코드 79 · 코드 80 · 코드 81 · 코드 82 · 코드 83 · 코드 84 · 코드 85 · 코드 86 · 코드 87 · 코드 88 · 코드 89 · 코드 90 · 코드 91 · 코드 92 · 코드 93 |
| GATv2 |
- Test MAE
- 0.079±0.004
|
How Attentive are Graph Attention Networks?
2021-05-30 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| GraphSAGE |
- Test MAE
- 0.126±0.003
|
Inductive Representation Learning on Large Graphs
2017-06-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 |
| GCN |
- Test MAE
- 0.152±0.023
|
Semi-Supervised Classification with Graph Convolutional Networks
2016-09-09 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 |