GraphSnapShot: Graph Machine Learning Acceleration with Fast Storage and Retrieval

要約

私たちの最近の研究では、GraphSnapShot と呼ばれるフレームワークを開発しました。これは、グラフ学習の高速化に有用なツールであることが証明されています。
GraphSnapShot は、グラフ学習のための高速キャッシュ、ストレージ、取得、および計算のためのフレームワークです。
グラフ構造のローカル トポロジを迅速に保存および更新でき、グラフのスナップショットを撮るのと同じように、グラフ ネットワーク構造のパターンを追跡できます。
実験では、GraphSnapShot は効率性を示し、dgl などの現在のベースラインと比較して、ロスレス グラフ ML トレーニングで最大 30% のトレーニング加速と 73% のメモリ削減を達成できました。この手法は、ソーシャル メディア分析などの大規模な動的グラフ学習タスクに特に役立ちます。
エンティティ間の複雑な関係を処理するための推奨システム。
GraphSnapShot のコードは、https://github.com/NoakLiu/GraphSnapShot で公開されています。

要約(オリジナル)

In our recent research, we have developed a framework called GraphSnapShot, which has been proven an useful tool for graph learning acceleration. GraphSnapShot is a framework for fast cache, storage, retrieval and computation for graph learning. It can quickly store and update the local topology of graph structure and allows us to track patterns in the structure of graph networks, just like take snapshots of the graphs. In experiments, GraphSnapShot shows efficiency, it can achieve up to 30% training acceleration and 73% memory reduction for lossless graph ML training compared to current baselines such as dgl.This technique is particular useful for large dynamic graph learning tasks such as social media analysis and recommendation systems to process complex relationships between entities. The code for GraphSnapShot is publicly available at https://github.com/NoakLiu/GraphSnapShot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google