Feb, 2019

AliGraph: 一种全面的图神经网络平台

PDF
TL;DR通过构建一个分布式图存储的 AliGraph 系统，本论文针对大型图数据集上的机器学习问题，实现了高效的图神经网络训练和开发，并在阿里巴巴的电商平台上实际应用于产品推荐和个性化搜索等业务场景中，提高了训练效率和模型效果。
machine learninggraph neural networkdistributed graph storagegnn trainingpersonalized search
发现论文，激发创造
  • AGL：面向工业应用的可扩展图机器学习系统

    提出了一种基于成熟基础架构的可扩展、容错和集成训练和推理的 AGL 系统，采用图传递机制和 MapReduce 算法来训练和推理图神经网络，同时通过生成每个节点的信息完整子图以及在参数服务器上训练来解决图形结构中的数据依赖性问题。

    Mar, 2020

  • 图中图神经网络

    提出了第一个能够处理图样式数据的图神经网络（GIG Network），其中包含 GIG 样本，每个 GIG 顶点都包含一个图；此网络通过内部信息和顶点间的关系，利用图中的内部线索和顶点间的关系来下游任务，并在各类图分析任务和多图数据分析中取得了最新的性能结果。

    Jun, 2024

  • LiGNN：领英上的图神经网络

    LinkedIn 在大规模部署的 Graph Neural Networks Framework 中提出了 LiGNN，通过一系列算法改进如图形结构设计、冷启动解决方案和邻居采样优化，实现了在 LinkedIn 图表上大规模训练的速度提升，并总结了在实际部署中所获得的经验教训和改进成果。

    Feb, 2024

  • 计算图神经网络：从算法到加速器的综述

    该研究论文通过对 GNNs 的计算效率进行探讨，提供了该领域的回顾，包括对 GNN 的基本概念的简短教程以及不同算法变体的多个阶段中进行的操作的总结；同时，提供了对当前软件和硬件加速方案的深入分析，并提出了一个面向硬件和软件的、图形感知和通信为中心的 GNN 加速器的愿景。

    Sep, 2020

  • 图神经网络加速综述：算法、系统和定制硬件

    本次调查报告提供了图神经网络加速的分类法，并回顾了现有方法，并提出了未来的研究方向，以便统一视图和解决相关工作的复杂性。

    Jun, 2023

  • 带门控多跳邻居聚合的知识图谱对齐网络

    本研究提出了一种名为 AliNet 的知识图谱对齐网络，通过引入远程邻居扩展对应实体的邻域，并采用注意力机制和门控机制，控制了直接邻居和远端邻居信息的整合，进而通过关系损失优化实体表示。在五个实体对齐数据集上的实验证明了 AliNet 的有效性。

    Nov, 2019

  • 揭开图：图神经网络与图生成

    综述了图神经网络 (GNNs) 的应用、图数据和深度学习的扩展，以及 GNNs 的高级领域：图生成。

    Mar, 2024

  • 分布式图神经网络训练：综述

    这篇综述论文分析了分布式图神经网络训练的三个挑战以及通过四类优化技术解决这些挑战的方法：GNN 数据分区、GNN 批量生成、GNN 执行模式和 GNN 通信协议。最后，本文总结了现有的多 GPU、GPU 集群和 CPU 集群的分布式 GNN 系统，并就可伸缩 GNNs 的未来方向进行了讨论。

    Nov, 2022

  • 图神经网络分布式系统的演化及其在图处理和深度学习中的起源：一项调查

    本文总结和分类大规模图神经网络解决方案的重要方法和技术，并建立了图神经网络系统、图处理系统和深度学习系统之间的联系。

    May, 2023

  • 有向无环图神经网络

    本文提出了一种基于 partial ordering 的神经网络结构 --DAGNN，该结构在 DAG 数据集上的表现优于先前的 DAG 结构和通用图形结构。

    Jan, 2021