iMoonLab/DeepHypergraph

해결하는 문제

DHG (DeepHypergraph)는 표준 그래프(저차원 구조)와 하이퍼그래프(고차원 구조)를 모두 다룰 수 있는 통합적인 딥러닝 프레임워크를 제공합니다. 메시지 전달, 구조 조작, 모델 평가를 위한 표준화된 도구를 제공함으로써 그래프 신경망(GNN)과 하이퍼그래프 신경망(HGNN)을 설계하고 구현하는 과정을 간소화합니다.

작동 방식

PyTorch 기반으로 구축된 DHG는 스펙트럼 기반 연산(예: 라플라시안 기반 스무딩)과 공간 기반 연산(메시지 전달)을 구조 객체에 직접 통합합니다. 정점-정점, 정점-하이퍼에지, 하이퍼에지-정점 간의 다양한 메시지 전달 패턴을 지원합니다. 또한 Optuna 기반의 Auto-ML 모듈을 포함하여 모델의 하이퍼파라미터와 구조 설정을 자동으로 최적화할 수 있습니다.

대상 사용자

기하학적 딥러닝 분야에서 연구 및 개발을 수행하는 연구자 및 개발자로, 정점 분류나 사용자-아이템 추천과 같은 작업에 GNN 또는 HGNN을 구현하는 사람들을 대상으로 합니다.

주요 특징

• 고차원 메시지 전달: 하이퍼그래프 구조에서 쌍별을 초월한 통신을 지원합니다.
• PyTorch 통합: PyTorch 생태계와 완전 호환되며, 어떤 PyTorch 기반 모델도 쉽게 통합할 수 있습니다.
• 구조 변환 기능: 표준 그래프와 하이퍼그래프 간의 상호 변환 기능을 제공하여 고차원 연결을 활용할 수 있습니다.
• 내장 시각화 도구: 그래프, 하이퍼그래프, 방향 그래프, 이분 그래프를 시각화할 수 있는 도구를 제공합니다.
• Auto-ML 기능: Optuna를 통합하여 하이퍼파라미터 및 구조 설정의 자동 튜닝을 지원합니다.
• 포괄적인 리소스: 대규모 공개 데이터셋, 최고 성능 모델, 평가 지표 라이브러리가 포함되어 있습니다.