SP-ESGC

新的图压缩方法提高了 GNN 的效率和可扩展性

两篇新的研究论文提出了图压缩和粗化的新方法，旨在提高图神经网络（GNN）的效率和可扩展性。第一篇论文 SP-ESGC 引入了一种解耦方法，将节点表示生成与合成图创建分开，展示了显著的计算效率和跨 GNN 架构的广泛泛化能力。第二篇论文 STPGC 利用代数拓扑学的概念开发了在减小图尺寸的同时保留图拓扑的算法，证明了其在加速节点分类等任务的 GNN 训练方面的有效性。