← Node Property Prediction
Papers with Code · CC BY-SA 4.0

ogbn-arxiv

아카이브 평가 86건 · 마지막 적재/변경

평가 기록

과거 수집 기록이며 최신 순위가 아닙니다. 데이터셋 버전·split·실험 조건과 지표 방향이 검증되지 않은 결과는 직접 비교할 수 없습니다. 날짜는 논문 날짜이며 최신 평가일을 뜻하지 않습니다.

표가 화면보다 넓으면 좌우로 스크롤하여 논문과 구현 링크를 확인하세요.

원본 기록 순서 · 순위 미부여
모델원본 지표·값논문구현
AGDN (GAT-HA+3_heads+labels)
Test Accuracy
0.7398 ± 0.0009
Validation Accuracy
0.7519 ± 0.0009
Number of params
1508555
Ext. data
No
Adaptive Graph Diffusion Networks
2020-12-30
코드 1
UniMP_v2
Test Accuracy
0.7397 ± 0.0015
Validation Accuracy
0.7506 ± 0.0009
Number of params
687377
Ext. data
No
Masked Label Prediction: Unified Message Passing Model for Semi-Supervised Classification
2020-09-08
코드 1 · 코드 2 · 코드 3
GAT(norm.adj.)+label reuse+C&S
Test Accuracy
0.7395 ± 0.0012
Validation Accuracy
0.7519 ± 0.0008
Number of params
1441580
Ext. data
No
Combining Label Propagation and Simple Models Out-performs Graph Neural Networks
2020-10-27
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
GAT+norm. adj.+label reuse
Test Accuracy
0.7391 ± 0.0012
Validation Accuracy
0.7516 ± 0.0008
Number of params
1441580
Ext. data
No
Bag of Tricks for Node Classification with Graph Neural Networks
2021-03-24
코드 1 · 코드 2
GAT + C&S
Test Accuracy
0.7386 ± 0.0014
Validation Accuracy
0.7484 ± 0.0007
Number of params
1567000
Ext. data
No
Combining Label Propagation and Simple Models Out-performs Graph Neural Networks
2020-10-27
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
UniMP_large
Test Accuracy
0.7379 ± 0.0014
Validation Accuracy
0.7475 ± 0.0008
Number of params
1162515
Ext. data
No
Masked Label Prediction: Unified Message Passing Model for Semi-Supervised Classification
2020-09-08
코드 1 · 코드 2 · 코드 3
AGDN (GAT-HA+3_heads)
Test Accuracy
0.7375 ± 0.0021
Validation Accuracy
0.7483 ± 0.0009
Number of params
1447115
Ext. data
No
Adaptive Graph Diffusion Networks
2020-12-30
코드 1
GAT+FLAG
Test Accuracy
0.7371 ± 0.0013
Validation Accuracy
0.7496 ± 0.0010
Number of params
1628440
Ext. data
No
Robust Optimization as Data Augmentation for Large-scale Graphs
2020-10-19
코드 1 · 코드 2 · 코드 3
LEGNN + AS-Train
Test Accuracy
0.7371 ± 0.0011
Validation Accuracy
0.7494 ± 0.0008
Number of params
5374120
Ext. data
No
Label-Enhanced Graph Neural Network for Semi-supervised Node Classification
2022-05-31
코드 1
GAT+norm. adj.+labels
Test Accuracy
0.7366 ± 0.0011
Validation Accuracy
0.7508 ± 0.0009
Number of params
1441580
Ext. data
No
Bag of Tricks for Node Classification with Graph Neural Networks
2021-03-24
코드 1 · 코드 2
GAT+norm.adj.+labels
Test Accuracy
0.7365 ± 0.0011
Validation Accuracy
0.7504 ± 0.0006
Number of params
1628440
Ext. data
No
Bag of Tricks for Node Classification with Graph Neural Networks
2021-03-24
코드 1 · 코드 2
E2EG (use raw text)
Test Accuracy
0.7362 ± 0.0014
Validation Accuracy
0.7487 ± 0.0011
Number of params
83724841
Ext. data
Yes
E2EG: End-to-End Node Classification Using Graph Topology and Text-based Node Attributes
2022-08-09
코드 1
GCN
Test Accuracy
0.7360 ± 0.0018
Validation Accuracy
0.7447 ± 0.0014
Number of params
1463336
Ext. data
No
Classic GNNs are Strong Baselines: Reassessing GNNs for Node Classification
2024-06-13
코드 1
Polynormer
Test Accuracy
0.7346 ± 0.0016
Validation Accuracy
0.7459 ± 0.0010
Number of params
1806160
Ext. data
No
Polynormer: Polynomial-Expressive Graph Transformer in Linear Time
2024-03-02
코드 1 · 코드 2
LEGNN
Test Accuracy
0.7337 ± 0.0007
Validation Accuracy
0.7480 ± 0.0009
Number of params
5374120
Ext. data
No
Label-Enhanced Graph Neural Network for Semi-supervised Node Classification
2022-05-31
코드 1
GCN_res + C&S_v2
Test Accuracy
0.7313 ± 0.0017
Validation Accuracy
0.7445 ± 0.0011
Number of params
155824
Ext. data
No
Combining Label Propagation and Simple Models Out-performs Graph Neural Networks
2020-10-27
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
MLP + C&S
Test Accuracy
0.7312 ± 0.0012
Validation Accuracy
0.7391 ± 0.0015
Number of params
175656
Ext. data
No
Combining Label Propagation and Simple Models Out-performs Graph Neural Networks
2020-10-27
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
UniMP
Test Accuracy
0.7311 ± 0.0020
Validation Accuracy
0.7450 ± 0.0005
Number of params
473489
Ext. data
No
Masked Label Prediction: Unified Message Passing Model for Semi-Supervised Classification
2020-09-08
코드 1 · 코드 2 · 코드 3
GCN+linear+labels
Test Accuracy
0.7306 ± 0.0024
Validation Accuracy
0.7442 ± 0.0012
Number of params
238632
Ext. data
No
Bag of Tricks for Node Classification with Graph Neural Networks
2021-03-24
코드 1 · 코드 2
GIANT-XRT+MLP (use raw text)
Test Accuracy
0.7306 ± 0.0011
Validation Accuracy
0.7432 ± 0.0009
Number of params
273960
Ext. data
Yes
Node Feature Extraction by Self-Supervised Multi-scale Neighborhood Prediction
2021-10-29
코드 1 · 코드 2 · 코드 3 · 코드 4
GCN_res + C&S
Test Accuracy
0.7297 ± 0.0022
Validation Accuracy
0.7423 ± 0.0014
Number of params
155824
Ext. data
No
Combining Label Propagation and Simple Models Out-performs Graph Neural Networks
2020-10-27
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
GTAN
Test Accuracy
0.7297 ± 0.0017
Validation Accuracy
0.7384 ± 0.0007
Number of params
39208
Ext. data
No
GTNet: A Tree-Based Deep Graph Learning Architecture
2022-04-27
코드 1
GraphSAGE
Test Accuracy
0.7295 ± 0.0031
Validation Accuracy
0.7397 ± 0.0015
Number of params
1727272
Ext. data
No
Classic GNNs are Strong Baselines: Reassessing GNNs for Node Classification
2024-06-13
코드 1
GCN+residual+6 layers
Test Accuracy
0.7286 ± 0.0016
Validation Accuracy
0.7382 ± 0.0007
Number of params
122542
Ext. data
No
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
GCN+residual+node2vec
Test Accuracy
0.7278 ± 0.0013
Validation Accuracy
0.7414 ± 0.0008
Number of params
21885098
Ext. data
No
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
GCN_res + 8 layers + FLAG
Test Accuracy
0.7276 ± 0.0024
Validation Accuracy
0.7389 ± 0.0012
Number of params
155824
Ext. data
No
Robust Optimization as Data Augmentation for Large-scale Graphs
2020-10-19
코드 1 · 코드 2 · 코드 3
GCNII
Test Accuracy
0.7274 ± 0.0016
Validation Accuracy
Please tell us
Number of params
2148648
Ext. data
No
Simple and Deep Graph Convolutional Networks
2020-07-04
코드 1 · 코드 2 · 코드 3 · 코드 4
SHADOW-GAT (PPR)
Test Accuracy
0.7274±0.0022
Ext. data
No
Decoupling the Depth and Scope of Graph Neural Networks
2022-01-19
코드 1
GCN_res + 8 layers
Test Accuracy
0.7262 ± 0.0037
Validation Accuracy
0.7369 ± 0.0021
Number of params
155824
Ext. data
No
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
GNNMoE(GAT-like P)
Test Accuracy
0.7245±0.0032
Mixture of Experts Meets Decoupled Message Passing: Towards General and Adaptive Node Classification
2024-12-11
코드 1