Para arrancar con GNN

[harpomaxx]

Como hablamos en el ultimo meet, la idea es arrancar con un modelo de GNN de caja negra. Yo hace un tiempo encontré un documento que hablaba sobre las Convolutional graph neural networks. Me parece que para un problema de clasificacion como el que estamos atacando podrian andar.

Arrancar con el paper/libro de Hamilton y analizar posibles enfoques. Un enfoque posible es el tema de las GCN, es es uno de los enfoques mas antiguos y conocidos.

Material GCN

1. El paper de graph-neural networks https://arxiv.org/pdf/1609.02907.pdf (Kipf 2017)

2. Un articulo de medium intro sobre el tema: https://towardsdatascience.com/understanding-graph-convolutional-networks-for-node-classification-a2bfdb7aba7b (Acá se implementa una GNN convolutional usando networkx)

3. Por ultimo, este survey (Wu et al.2019,) podria venir bien si queremos tener una big picture del area de GNN al 2019

4. La biblioteca stellar graph tiene un ejemplo de GCN (graph convolutional Networks) en su sitio de github

Otros

Tambien, tengo un post de blog del 2020 en donde se juntan algunos articulos + post de medium que hablan sobre el tema. En particular esta el paper de deep walk que pasaste vos @lgmoyano

[harpomaxx]

En mi opinion, creo que las GCN serian una buena primera opcion para arrancar. Sobre todo por que son de las mas antiguas y @tatipar ya tiene experiencia en Convnet.

[lgmoyano]

Bien, ahí puse una nota en el otro discussion sobre mirar en el Hamilton esta parte. Por otro lado, PyG tiene distintas opciones de convolucinales y soporte para multi-GPU (entiendo que el cluster del IB tiene la posibilidad de correr en GPUs, podemos chequearlo), puede ser un buen lugar para arrancar.

[harpomaxx]

Voy a armar un issue sobre todo este tema.

[harpomaxx]

issue #34

[lgmoyano]

Puse un comentario al respecto en el issue #35