BriefGPT - AI 论文速递
·
图形压缩：一项调查
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
为了解决图神经网络在处理大规模图时的计算挑战，提出了映射感知的图压缩 (MCond) 方法。通过学习原始节点到合成节点的映射，将新节点整合到合成图中进行学习。MCond 在归纳推理中有效，推理速度提高了121.5倍，存储需求降低了55.9倍。
🎯
关键要点
- 图神经网络在处理大规模图时面临计算挑战，限制了应用效力。
- 图压缩技术通过构建小的合成图来有效训练GNNs，但对未见数据处理能力不足。
- 推理阶段仍需原始大图进行信息传递，导致计算需求高。
- 提出映射感知的图压缩(MCond)方法，学习原始节点到合成节点的一对多映射。
- MCond使新节点能够无缝整合到合成图中进行归纳表示学习。
- MCond采用交替优化方案，促进图压缩和节点映射学习的相互促进。
- 实验证明MCond在归纳推理中的有效性，推理速度提高121.5倍，存储需求降低55.9倍。
➡️
