我院师生论文被CCF-A类会议NeurIPS录用
近日,ダファベット 入金不要师生论文被国际学术会议NeurIPS(2020)录用。第34届神经信息处理系统会议(Thirty-fourth Conference on Neural Information Processing Systems)将于2020年12月6日-12月12日在线上召开。 NeurIPS是CCF推荐的A类国际学术会议,是机器学习和计算神经科学领域顶级学术会议之一。本届NeurIPS会议共收到投稿9454篇,其中录用论文1900 篇,录取率约为20.1%。
论文介绍:
第一作者:陈明(人大硕士生)
通讯作者:魏哲巍教授
作 者:陈明,魏哲巍,丁博麟,李雅亮,袁野,杜小勇,文继荣
论文题目:Scalable Graph Neural Networks via Bidirectional Propagation
论文概述:图神经网络(GNN)是一个新兴的非欧氏数据学习领域。近年来,人们对设计可扩展到大型图形的GNN越来越感兴趣。大多数现有的方法使用“图采样”或“分层采样”技术来减少训练时间;但是,这些方法在应用于具有数十亿条边的图时仍然无法提供可靠的性能。在本文中,我们提出了一种可伸缩的图神经网络GBP,同时从特征向量和训练/测试节点进行双向消息传播,为每个表示生成一个无偏估计量。每个传播都是以局部方式执行的,从而实现了亚线性时间复杂性。广泛的实验证明,GBP达到了state-of-the-art性能同时显著减少训练和推理时间。在单台机器上,GBP能够在不到2000秒的时间内,在一个拥有超过6000万个节点和18亿条边的图形上提供优异的性能。