跳到正文
arXiv · ML· Ahmet T\"uzen, Helge Langseth, Kjetil N{\o}rv{\aa}g·· 11 天前AI 评分28

用于大规模图相似度学习的可缩放 GNN 框架 FiLSim

Scaling Graph Similarity Learning with Graph Neural Networks

AI 导读

提出可缩放的 GNN 框架 FiLSim,在超过 150,000 个节点的图上保持精度,单 GPU 数秒内完成评测。 针对 GED 和 MCS 计算难、现有方法难以扩展的问题,FiLSim 结合序贯图编辑策略构建大规模数据集,并在四个基准及四个新数据集上验证了有效性。 克服了基线方法内存不足或无法学习的瓶颈,实现了从小规模到大规模图的高效相似度计算。

来源:arXiv · ML · arxiv.org