网络嵌入一切（NEAT）

NEAT是一个灵活的流程，用于

• 解析图序列化
• 生成嵌入
• 训练分类器
• 进行预测
• 创建预测的良好格式输出和指标

快速开始

pip install neat-ml
neat run --config neat_quickstart.yaml

NEAT将图嵌入写入新的quickstart_output目录。

要求

此流程有grape作为主要依赖项。

支持tensorflow的方法，但不是依赖项，以避免版本冲突。

如果您想使用这些方法，请在安装NEAT之前安装与您的系统和彼此兼容的tensorflow、CUDA和cudnn版本。

在Linux上，这可能通过以下方式使用conda来完成

wget https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh -O anaconda.sh
bash ./anaconda.sh -b
echo "export PATH=\$PATH:$HOME/anaconda3/bin" >> $HOME/.bashrc
conda init
conda install cudnn
conda install tensorflow

安装

pip install neat-ml

运行NEAT

neat run --config tests/resources/test.yaml # example
neat run --config [your yaml]

该流程由一个YAML文件（例如tests/resources/test.yaml）驱动，其中包含完成流程所需的所有参数。此文件的内容和预期值由neat-ml-schema定义。

这包括机器学习的超参数，以及输出结果的文件/路径等。指定节点和边文件的路径

GraphDataConfiguration:
  graph:
    directed: False
    node_path: path/to/nodes.tsv
    edge_path: path/to/edges.tsv

如果图层数据存储在压缩文件中或远程位置（例如，在KG-Hub上），则可以在source_data参数中指定一个或多个URL。

GraphDataConfiguration:
  source_data:
    files:
      - path: https://kg-hub.berkeleybop.io/kg-obo/bfo/2019-08-26/bfo_kgx_tsv.tar.gz
        desc: "This is BFO, your favorite basic formal ontology, now in graph form."
      - path: https://someremoteurl.com/graph2.tar.gz
        desc: "This is some other graph - it may be useful."

关于设计的说明图可以在这里找到。

如果您正在上传到AWS/S3，请参阅此处以配置AWS凭据：

致谢

由Deepak Unni、Justin Reese、J. Harry Caufield和Harshad Hegde开发。