研究人员推出了一种新颖的框架HGC-RC，旨在提高在大型数据集上训练异构图神经网络（HGNNs）的效率。现有的图凝结方法通常不适用于异构图，依赖于计算密集型技术。HGC-RC通过轻量级传播生成增强的节点嵌入来解决这个问题。然后，它采用一种混合聚类策略，按类别划分标记节点，并按类型聚类未标记节点以维持关键连接。这种方法允许重建一个紧凑的异构图，在不影响性能的情况下显著加速HGNN训练。 AI
影响 该框架为在大型异构图上加速HGNN训练提供了一个实际的解决方案，可能使这些模型的应用更加广泛。
排序理由 该集群包含一篇研究论文，详细介绍了一种提高异构图神经网络效率的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
