基于课程图稀疏化的轻量化图神经网络搜索
原文中文，约300字，阅读约需1分钟。发表于：。设计一种通过有价值的图数据识别重要子架构的联合图数据和架构机制，以搜索轻量级图神经网络 (GNNs) 的最佳架构，提出一种带有图稀疏化和网络修剪的轻量级图神经体系结构搜索 (GASSIP) 方法，并通过两个不可分割的模块优化这些模块来高效搜索最佳轻量级架构。
图神经网络（GNN）在数据科学任务中广泛应用。为了设计最佳的GNN结构，研究人员和实践者需要付出大量努力和计算成本。为了节省人力和计算成本，提出了一种高效且可解释的图神经架构搜索方法（ExGNAS）。实验结果表明，ExGNAS在准确性和运行时间方面超过当前的方法，并有效分析同质图和异质图中GNN架构的差异。
