표본 추출 대신 사전 계산
큰 그래프 학습에서 노드 이웃이나 부분 그래프를 뽑아 비용을 줄이는 접근과 다른 방향을 제안했다. 여러 크기의 그래프 합성곱 필터를 효율적으로 미리 계산해 학습 단계의 부담을 줄인다.
과제에 맞는 연산자
모티프로 유도한 인접 행렬이나 개인화 페이지랭크 확산 행렬 같은 국소 그래프 연산자를 사용할 수 있다. 한 종류의 이웃 집계에만 고정되지 않고 과제에 맞는 연산을 결합하는 구성이다.
큰 그래프의 실험
원 연구는 여러 공개 벤치마크에서 성능과 학습 및 추론 시간을 비교했다. 1억 개가 넘는 노드와 15억 간선의 ogbn-papers100M 자료에서도 확장성을 평가했다.
관련 문서
단순 그래프 합성곱 / GraphSAINT / Cluster-GCN / 페이지랭크 / Open Graph Benchmark / 그래프 신경망