Introduction Background and Traditional Approaches Node Embeddings Graph Neural Networks Generative Graph Models

Neo4j 社区版 org.neo4j/neo4j/3.5.22/neo4j-3.5.22.jar

《TF-GNN：Graph Neural Networks》附录《A.2.2 Creating GraphTensors》例程

微软concept graph数据，可以使用neo4j进行使用。原始网站concept.research.microsoft.com已经挂掉，幸好下载保存了一份数据，可以用neo4j进行调用，教程： https://neo4j.com/blog/microsoft-concept-graph-neo4j/

数据结构图投资组合分配 使用邻接矩阵或邻接表和各种算法（例如深度优先搜索，广度优先搜索和Dijkstra算法）存储的无向和有向图抽象数据类型的Python3实现。 该项目在2021年冬季季度完成，在Tim Alcon教授的指导下，在OSU的CS 261数据结构课程中完成。 这两个文件中已经提供了各种测试用例。 只需运行： $ ./d_graph.py 或者 $ ./ud_graph.py

PDG：程序依赖图 由以下规则定义的非常基本的命令性程序的程序依赖关系图创建器。 assignment := x=Aexpr; conditional1 := if(Bexpr){ stmts; } else {stmts; } endif conditional2 := if(Bexpr){ stmts; } endif iterative := while(Bexpr){stmts; } stmt := assignment | conditionsal1 | conditional2 | iterative stmts := stmt | stmts; stmt Aexpr: = constant | variable | Aexpr + Aexpr | Aexpr – Aexpr | Aexpr * Aexpr | Aexpr /

这是一个用C++写的graph cut代码，对分割图像有很好的效果。希望有帮助

Yuri Boykov, Vladimir Kolmogorov的代码

深度优先遍历，宽度优先遍历. 程序从图文本中读取图的矩阵。 矩阵包括有向图或无向图

一种新的基于特征选择的图同构算法在网络模体发现中的应用，呼加璐，孙玲，模体是在真实网络中出现频率明显高于随机网络中出现频率的子图。模体查找需要对出现的子图计数，因此引发了子图同构的问题。但是