Awesome-Foundation-Models-on-Graphs

一站式收藏图基础模型论文、代码和数据集，快速入门研究。

这是一个关于图基础模型的精选资源列表，汇集了图基础模型领域的论文、代码和数据集。它旨在解决图基础模型研究资料分散、难以系统获取的问题，为研究人员和开发者提供一站式的导航。项目按模型类型、任务或主题对资源进行分类整理，涵盖了从理论到实践的多个方面，核心能力是提供结构化的信息检索和资源索引，帮助用户快速了解图基础模型的研究进展、找到相关实现代码和标准数据集，从而降低入门门槛，促进该领域的交流与创新。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 226

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队Zehong-Wang

所属国家

官网地址

GitHubhttps://github.com/Zehong-Wang/Awesome-Foundation-Models-on-Graphs

定价模式free

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言

技术栈/模型data-augmentation,deep-learning,few-shot-learning,foundation-models,graph-classification,graph-foundation-model,graph-neural-networks,graph-representation-learning,knowlege-graph,link-prediction,machine-learning,molecule,node-classification,node-embedding,pre-training,representation-learning,self-supervised-learning,transfer-learning,unsupervised-learning,zero-shot-learning

GitHub 星标★ 226

30天Star增速

HF 下载量

上线时间2025-03-07 00:00:00

最近更新2026-09-24 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

资源分类清晰，覆盖论文、代码和数据集，便于快速定位。
紧跟前沿，收录了最新的图基础模型相关工作。
对初学者友好，提供了系统的学习路径和参考资料。

不足之处

项目处于早期，资源数量有限，可能未覆盖所有重要工作。
文档和社区活跃度待观察，更新频率可能不高。

适用场景

想了解图基础模型研究现状和趋势的初学者。
需要查找特定图模型论文、代码或数据集的研发人员。
为图机器学习课程或讲座准备材料的教育工作者。

替代项目

Awesome-Graph-Neural-Networks、Papers with Code (Graph Learning)、GraphGym

项目介绍

Awesome-Foundation-Models-on-Graphs 是开源模型领域的开源项目，由 Zehong-Wang 开发，2025 年首次发布。

它收录于开源模型分类，该分类目前共有 425 个项目，GitHub 星标数为 226。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-24。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：想了解图基础模型研究现状和趋势的初学者。同类可对比的替代方案包括 Awesome-Graph-Neural-Networks、Papers with Code (Graph Learning)、GraphGym。

上一篇：time-series-ptms

下一篇：DOFA