WWW 2023 | 更少的内存，更快的速度，更高的准确度——GNN大图训练暨工具包发布

近年来，图神经网络（Graph Neural Network，GNN）在图数据学习上表现出了优越的性能。然而，当面临现实世界中百万乃至亿级节点数量的大图时，现有的GNN仍面临着诸多局限性，主要包括：（1）消息传递模式中，邻居节点数量随着传播距离指数式增长，这将带来可拓展性问题和过平滑问题；（2）嵌入向量表的参数数量随着节点数量线性增长，当节点数量较多时，巨大的嵌入向量表将难以优化；（3）GNN卷积层和嵌入向量表有着不同的性质，同时优化它们可能导致次优的结果。为了克服这些问题，我们提出了xGCN——一种采用全新训练方式的GNN模型。xGCN将节点嵌入向量表视为“静态特征”，而不是需要梯度训练的参数，使用无监督的传播过程和一个DNN来更新嵌入向量，能够显著减少模型参数数量、加速模型训练，同时达到更好的预测准确率。文章在4个 ………………………………