实体
Graph Coarsening Algorithm
Graph Coarsening Algorithm
PulseAugur coverage of Graph Coarsening Algorithm — every cluster mentioning Graph Coarsening Algorithm across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
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。
-
图粗化和标签传播提升推荐系统效率
研究人员开发了一种新颖的两阶段扩散框架，用于基于图的推荐系统，旨在提高可扩展性和效率。该方法结合了图粗化和多步标签传播，首先将节点聚合成有意义的社区，以减小图的大小同时保留关键关系。然后，初始扩散过程在粗化图上传播标签，随后在子图中进行第二次标签传播以生成最终推荐。在真实电信数据集上的实验表明，nDCG@5 有显著提高，与传统的全图方法相比，提升高达 24%，并且在结合轻量级图神经网络时，提升幅度更大。