据我了解，主题嵌入不能在图之间移植，因为每个图都有自己需要学习的特征。在词嵌入领域，它是不同的，因为域保持不变（词）。

在图领域，您通常在稍后将嵌入的同一图上训练模型。在同一个图上训练也很重要，因为节点的标签通常是图特定的节点 ID。在词嵌入领域，该方法通过名称（字母序列）识别词，而在图形中，节点通过它们的 ID 来识别。

希望它解释一下。如果您想了解图嵌入，一般来说，我建议您阅读这个故事。

有几个。最受欢迎的可能是 Facebook 研究团队使用他们的 Pytorch Big Graph (PBT) 在整个 Wikipedia 内容上进行的嵌入。就节点/主题的数量以及文件大小（30+GB gzip 文件！）而言，预训练的嵌入非常大

• GitHub 仓库：https ://github.com/facebookresearch/PyTorch-BigGraph
• 有关预训练嵌入的更多信息： https ://torchbiggraph.readthedocs.io/en/latest/pretrained_embeddings.html

你真的在找graph neutral network吗？

请注意，大多数（流行的）图嵌入算法都是无监督学习，从这个意义上说，获得“预训练模型”并没有太大意义。