← 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
GNNMoE(GCN-like P)
Test Accuracy
0.7229±0.0016
Mixture of Experts Meets Decoupled Message Passing: Towards General and Adaptive Node Classification
2024-12-11
코드 1
GTCN
Test Accuracy
0.7225 ± 0.0017
Validation Accuracy
0.7320 ± 0.0005
Number of params
109096
Ext. data
No
GTNet: A Tree-Based Deep Graph Learning Architecture
2022-04-27
코드 1
Linear + C&S
Test Accuracy
0.7222 ± 0.0002
Validation Accuracy
0.7368 ± 0.0004
Number of params
15400
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
GraphSAGE+FLAG
Test Accuracy
0.7219 ± 0.0021
Validation Accuracy
0.7349 ± 0.0009
Number of params
218664
Ext. data
No
Robust Optimization as Data Augmentation for Large-scale Graphs
2020-10-19
코드 1 · 코드 2 · 코드 3
EGC-S (100k)
Test Accuracy
0.7219 ± 0.0016
Validation Accuracy
0.7338 ± 0.0022
Number of params
100648
Ext. data
No
Do We Need Anisotropic Graph Neural Networks?
2021-04-03
코드 1 · 코드 2
JKNet (GCN-based)
Test Accuracy
0.7219 ± 0.0021
Validation Accuracy
0.7335 ± 0.0007
Number of params
89000
Ext. data
No
Representation Learning on Graphs with Jumping Knowledge Networks
2018-06-09
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
DeeperGCN+FLAG
Test Accuracy
0.7214 ± 0.0019
Validation Accuracy
0.7311 ± 0.0009
Number of params
491176
Ext. data
No
Robust Optimization as Data Augmentation for Large-scale Graphs
2020-10-19
코드 1 · 코드 2 · 코드 3
DAGNN
Test Accuracy
0.7209 ± 0.0025
Validation Accuracy
0.7290 ± 0.0011
Number of params
43857
Ext. data
No
Towards Deeper Graph Neural Networks
2020-07-18
코드 1 · 코드 2 · 코드 3
GCN+FLAG
Test Accuracy
0.7204 ± 0.0020
Validation Accuracy
0.7330 ± 0.0010
Number of params
142888
Ext. data
No
Robust Optimization as Data Augmentation for Large-scale Graphs
2020-10-19
코드 1 · 코드 2 · 코드 3
GaAN
Test Accuracy
0.7197 ± 0.0024
Validation Accuracy
Please tell us
Number of params
1471506
Ext. data
No
GaAN: Gated Attention Networks for Learning on Large and Spatiotemporal Graphs
2018-03-20
코드 1
EGC-M (100k)
Test Accuracy
0.7196 ± 0.0023
Validation Accuracy
0.7334 ± 0.0013
Number of params
99464
Ext. data
No
Do We Need Anisotropic Graph Neural Networks?
2021-04-03
코드 1 · 코드 2
SIGN
Test Accuracy
0.7195 ± 0.0011
Validation Accuracy
0.7323 ± 0.0006
Number of params
3566128
Ext. data
No
SIGN: Scalable Inception Graph Neural Networks
2020-04-23
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
GNNMoE(SAGE-like P)
Test Accuracy
0.7194±0.0025
Mixture of Experts Meets Decoupled Message Passing: Towards General and Adaptive Node Classification
2024-12-11
코드 1
DeeperGCN
Test Accuracy
0.7192 ± 0.0016
Validation Accuracy
0.7262 ± 0.0014
Number of params
491176
Ext. data
No
DeeperGCN: All You Need to Train Deeper GCNs
2020-06-13
코드 1 · 코드 2 · 코드 3
PCAPass + XGBoost
Test Accuracy
0.7187 ± 0.0003
Validation Accuracy
0.7325 ± 0.0005
Number of params
0
Ext. data
No
Dimensionality Reduction Meets Message Passing for Graph Node Embeddings
2022-02-01
코드 1
GCN
Test Accuracy
0.7174 ± 0.0029
Validation Accuracy
0.7300 ± 0.0017
Number of params
110120
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
GraphSAGE
Test Accuracy
0.7149 ± 0.0027
Validation Accuracy
0.7277 ± 0.0016
Number of params
218664
Ext. data
No
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
Plain Linear + C&S
Test Accuracy
0.7126 ± 0.0001
Validation Accuracy
0.7300 ± 0.0001
Number of params
5160
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
GraphZoom (Node2vec)
Test Accuracy
0.7118 ± 0.0018
Validation Accuracy
0.7220 ± 0.0007
Number of params
8963624
Ext. data
No
연결 없음
논문 날짜 미기재
연결 없음
Node2vec
Test Accuracy
0.7007 ± 0.0013
Validation Accuracy
0.7129 ± 0.0013
Number of params
21818792
Ext. data
No
node2vec: Scalable Feature Learning for Networks
2016-07-03
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
Label Propagation
Test Accuracy
0.6832 ± 0.0000
Validation Accuracy
0.7014 ± 0.0000
Number of params
0
Ext. data
No
연결 없음
논문 날짜 미기재
연결 없음
GLNN
Test Accuracy
0.6346± 0.0045
Graph-less Neural Networks: Teaching Old MLPs New Tricks via Distillation
2021-10-17
코드 1
CoLinkDistMLP
Test Accuracy
0.5638 ± 0.0016
Validation Accuracy
0.5807 ± 0.0011
Number of params
120912
Ext. data
No
Distilling Self-Knowledge From Contrastive Links to Classify Graph Nodes Without Passing Messages
2021-06-16
코드 1 · 코드 2
MLP+FLAG
Test Accuracy
0.5602 ± 0.0019
Validation Accuracy
0.5817 ± 0.0011
Number of params
110120
Ext. data
No
Robust Optimization as Data Augmentation for Large-scale Graphs
2020-10-19
코드 1 · 코드 2 · 코드 3
MLP
Test Accuracy
0.5550 ± 0.0023
Validation Accuracy
0.5765 ± 0.0012
Number of params
110120
Ext. data
No
Open Graph Benchmark: Datasets for Machine Learning on Graphs
2020-05-02
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
3-HiGCN
Validation Accuracy
0.7641±0.0053
Higher-order Graph Convolutional Network with Flower-Petals Laplacians on Simplicial Complexes
2023-09-22
코드 1