基本信息
源码名称：基于GNN的子图匹配算法实现
源码大小：69.50M
文件格式：.zip
开发语言：Python
更新时间：2021-12-08
友情提示：（无需注册或充值，赞助后即可获取资源下载链接）
嘿，亲！知识可是无价之宝呢，但咱这精心整理的资料也耗费了不少心血呀。小小地破费一下，绝对物超所值哦！如有下载和支付问题，请联系我们QQ(微信同号)：813200300
本次赞助数额为： 2 元×
微信扫码支付：2 元
×
请留下您的邮箱，我们将在2小时内将文件发到您的邮箱
源码介绍
.
└── neural-subgraph-learning-GNN
├── README.md
├── analyze
│ ├── Analyze Embeddings.ipynb
│ ├── Visualize Graph Statistics.ipynb
│ ├── analyze_pattern_counts.py
│ └── count_patterns.py
├── ckpt
│ └── model.pt
├── common
│ ├── combined_syn.py
│ ├── data.py
│ ├── feature_preprocess.py
│ ├── models.py
│ ├── test.py
│ └── utils.py
├── requirements - 副本.txt
├── requirements.txt
├── run.sh
├── subgraph_matching
│ ├── __pycache__
│ │ └── train.cpython-39.pyc
│ ├── alignment.py
│ ├── config.py
│ ├── hyp_search.py
│ ├── test.py
│ └── train.py
└── subgraph_mining
├── config.py
├── decoder.py
└── search_agents.py
7 directories, 24 files
基于GNN的子图匹配算法实现
可以实现对图的子图匹配与挖掘
.
└── neural-subgraph-learning-GNN
├── README.md
├── analyze
│ ├── Analyze Embeddings.ipynb
│ ├── Visualize Graph Statistics.ipynb
│ ├── analyze_pattern_counts.py
│ └── count_patterns.py
├── ckpt
│ └── model.pt
├── common
│ ├── combined_syn.py
│ ├── data.py
│ ├── feature_preprocess.py
│ ├── models.py
│ ├── test.py
│ └── utils.py
├── requirements - 副本.txt
├── requirements.txt
├── run.sh
├── subgraph_matching
│ ├── __pycache__
│ │ └── train.cpython-39.pyc
│ ├── alignment.py
│ ├── config.py
│ ├── hyp_search.py
│ ├── test.py
│ └── train.py
└── subgraph_mining
├── config.py
├── decoder.py
└── search_agents.py
7 directories, 24 files