大规模图神经网络系统综述

来源：软件学报杂志2022年第1期北京时间：

作者：赵港，王千阁，姚烽，张岩峰，于戈

单位：赵港，东北大学 计算机科学与工程学院, 辽宁 沈阳 11016911,王千阁，东北大学 计算机科学与工程学院, 辽宁 沈阳 11016902,姚烽，东北大学 计算机科学与工程学院, 辽宁 沈阳 11016903,张岩峰，东北大学 计算机科学与工程学院, 辽宁 沈阳 11016904,于戈，东北大学 计算机科学与工程学院, 辽宁 沈阳 11016905

摘要：图神经网络(GNN)是一类基于深度学习的处理图域信息的方法, 它通过将图广播操作和深度学习算法结合, 可以让图的结构信息和顶点属性信息都参与到学习中, 在顶点分类、图分类、链接预测等应用中表现出良好的效果和可解释性, 已成为一种广泛应用的图分析方法. 然而现有主流的深度学习框架(如TensorFlow、PyTorch等)没有为图神经网络计算提供高效的存储支持和图上的消息传递支持, 这限制了图神经网络算法在大规模图数据上的应用. 目前已有诸多工作针对图结构的数据特点和图神经网络的计算特点, 探索了大规模图神经网络系统的设计和实现方案. 首先对图神经网络的发展进行简要概述, 总结了设计图神经网络系统需要面对的挑战; 随后对目前图神经网络系统的工作进行介绍, 从系统架构、编程模型、消息传递优化、图分区策略、通信优化等多个方面对系统进行分析; 最后使用部分已开源的图神经网络系统进行实验评估, 从精确度、性能、扩展性等多个方面验证这些系统的有效性.

关键词：图神经网络;大规模图数据;分布式系统;深度学习;反向传播

基金资助：国家重点研发计划 (2018YFB1003400); 国家自然科学基金(61672141, 62072082); 中央高校基本科研业务费(N181605017, N181604016)