TriDNR 三方深度网络表示形式，发布于IJCAI 2016：1895-1901。 这些代码实现了TriDNR算法，该算法学习网络中每个节点的连续表示。 TriDNR从三个角度使用信息，包括节点结构，节点内容和节点标签（如果有），以共同学习最佳节点表示形式 该代码是使用gensim和DeepWalk软件包在Python中开发的。 所有必需的软件包都在requirements.txt中定义。 要安装所有要求，只需使用以下命令： pip install -r requirements.txt “ demo.py”中提供了一个演示，该演示运行并比较了几种算法 关于数据集：本文中有两个网络数据集，即DBLP和Citeseer-M10。 每个数据集包含3个文件： 1. docs.txt : title information of each node in a network, each

真棒图神经网络：图神经网络的论文清单

吡咯 PY马拉松实现对于R andomW¯¯烷基，其中R estart（PyRWR）。 重新启动随机游走（RWR）是著名的链接分析算法之一，该算法可测量任意类型的图（网络）中的节点到节点的接近度。 代表性的应用程序包括各种现实世界中的图形挖掘任务，例如个性化节点排名，图形中的推荐（例如，“您可能认识的人”）以及异常检测。 pyrwr目的是在Python中使用numpy和scipy实现基于Power Iteration的RWR分数计算算法。 更具体地说， pyrwr专注于计算给定查询（种子）节点的单个源RWR得分向量，该向量用于对查询节点进行个性化节点排名。 除了RWR， pyrwr支持计算具有多个种子和PageRank的Personalized PageRank（PPR），这是RWR的著名变体。 pyrwr支持的功能有： 查询类型 重新启动随机游走（RWR）：个性化排名； 只允许一

RTA网络 区域贸易协定（RTA）网络的可视化。 每个节点都是一个国家，其大小是根据其名义GDP（主要来自数据）确定的，其颜色是根据其UNSD的。 两个节点之间的链接表示这两个国家之间至少有一个有效的。 数据中不包括特殊范围协议（PSA）。 即将来临 有关每个国家的更多数据？ 更可自定义的设置，例如粒子颜色，链接不透明度等。

比较经典的Python图算法库