CoRe-GNN

CoRe-GNN 通过双重消息传递推动图神经网络训练

研究人员推出了一种在大型图上训练图神经网络（GNN）的新方法 CoRe-GNN。该方法通过并行执行两种消息传递来解决内存限制：一种粗粒化的簇间项用于长程结构，一种局部的簇内项用于节点特定细节。CoRe-GNN 旨在结合图粗化和 Cluster-GCN 的优点，在各种节点分类基准测试中（包括具有长程依赖性的测试）优于这些基线方法，同时保持内存效率。