| WKPI-kcenters |
- Accuracy
- 87.3
|
Learning metrics for persistence-based summaries and applications for graph classification 2019-04-27 |
코드 1 |
| WL-OA |
- Accuracy
- 86.3
|
On Valid Optimal Assignment Kernels and Applications to Graph Classification 2016-06-03 |
연결 없음 |
| ESA (Edge set attention, no positional encodings) |
- Accuracy
- 84.976±0.551
|
An end-to-end attention-based approach for learning on graphs 2024-02-16 |
코드 1 |
| δ-2-LWL |
- Accuracy
- 84.7
|
Weisfeiler and Leman go sparse: Towards scalable higher-order graph embeddings 2019-04-02 |
코드 1 |
| CIN++ |
- Accuracy
- 84.5
|
CIN++: Enhancing Topological Message Passing 2023-06-06 |
코드 1 |
| GIN |
- Accuracy
- 84.155±0.812
|
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 |
| PIN |
- Accuracy
- 84.0
|
Weisfeiler and Lehman Go Paths: Learning Topological Features via Path Complexes 2023-08-13 |
연결 없음 |
| DropGIN |
- Accuracy
- 83.961±1.141
|
DropGNN: Random Dropouts Increase the Expressiveness of Graph Neural Networks 2021-11-11 |
코드 1 |
| Spec-GN |
- Accuracy
- 83.62
|
A New Perspective on the Effects of Spectrum in Graph Neural Networks 2021-12-14 |
코드 1 |
| CAN |
- Accuracy
- 83.6
|
Cell Attention Networks 2022-09-16 |
코드 1 |
| Propagation kernels (pk) |
- Accuracy
- 83.5
|
Propagation kernels: efficient graph kernels from propagated information 2019-02-01 |
코드 1 |
| PNA |
- Accuracy
- 83.382±1.045
|
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 |
| GCN |
- Accuracy
- 83.140±1.248
|
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 |
| GATv2 |
- Accuracy
- 83.092±0.764
|
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 |
| GIC |
- Accuracy
- 82.86
|
Gaussian-Induced Convolution for Graphs 2018-11-11 |
연결 없음 |
| GAT |
- Accuracy
- 82.560±0.601
|
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 |
| PPGN |
- Accuracy
- 82.23
|
Provably Powerful Graph Networks 2019-05-27 |
코드 1 · 코드 2 |
| ECC (5 scores) |
- Accuracy
- 82.14
|
Dynamic Edge-Conditioned Filters in Convolutional Neural Networks on Graphs 2017-04-10 |
코드 1 · 코드 2 |
| Multigraph ChebNet |
- Accuracy
- 82.0
|
Spectral Multigraph Networks for Discovering and Fusing Relationships in Molecules 2018-11-23 |
코드 1 |
| GraphGPS |
- Accuracy
- 81.256±0.501
|
Recipe for a General, Powerful, Scalable Graph Transformer 2022-05-25 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| HGP-SL |
- Accuracy
- 80.67
|
Hierarchical Graph Pooling with Structure Learning 2019-11-14 |
코드 1 · 코드 2 · 코드 3 |
| G_DenseNet |
- Accuracy
- 80.66
|
When Work Matters: Transforming Classical Network Structures to Graph CNN 2018-07-07 |
연결 없음 |
| S-CGIB |
- Accuracy
- 77.54±1.51
|
Pre-training Graph Neural Networks on Molecules by Using Subgraph-Conditioned Graph Information Bottleneck 2025-02-20 |
코드 1 |
| GIUNet |
- Accuracy
- 77
|
Graph isomorphism UNet 2023-08-23 |
코드 1 |
| SAEPool_h |
- Accuracy
- 75.85
|
Relational Reasoning Over Spatial-Temporal Graphs for Video Summarization 2022-04-06 |
연결 없음 |
| UGT |
- Accuracy
- 75.45±1.26
|
Transitivity-Preserving Graph Representation Learning for Bridging Local Connectivity and Role-based Similarity 2023-08-18 |
코드 1 · 코드 2 · 코드 3 |
| EigenGCN-3 |
- Accuracy
- 74.90
|
Graph Convolutional Networks with EigenPooling 2019-04-30 |
코드 1 |
| Graphormer |
- Accuracy
- 74.879±1.183
|
Do Transformers Really Perform Bad for Graph Representation? 2021-06-09 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| UGraphEmb-F |
- Accuracy
- 74.48
|
Unsupervised Inductive Graph-Level Representation Learning via Graph-Graph Proximity 2019-04-01 |
코드 1 |
| Graph2Vec |
- Accuracy
- 74.26
|
graph2vec: Learning Distributed Representations of Graphs 2017-07-17 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 |