基于电阻曲率的可扩展图神经网络子图采样方法
针对大规模图神经网络（GNN）训练中传统采样标准易忽略边几何角色的问题，本研究提出了一种由电阻曲率引导的高效子图采样框架。该方法依托面向大图的曲率近似算法 ERC-LG，结合 Johnson-Lindenstrauss 投影与多 GPU 批处理共轭梯度求解器，避免了昂贵的显式拉普拉斯伪逆计算和全局嵌入存储，能有效利用几何曲率指导节点与边的采样概率。注：原始摘要文本在实验部分存在截断。
推荐理由将图几何曲率与 GPU 快速求解相结合，为大规模图神经网络训练开辟了兼顾结构特征与效率的采样新路径。
原标题：Scalable Subgraph Sampling via Resistance Curvature
阅读 arXiv 机器学习 原文 ↗