> ML_ALGORITHM // GRAPHSAGE-NEIGHBORHOOD-SAMPLING_v1.0

GraphSAGE (Örnekle ve Topla)

Bir düğüm komşuluğundaki yerel özellikleri tekdüze örnekleyerek ve toplayarak gömmeler üreten büyük çizgeler için tümevarımsal temsil öğrenme çerçevesi.

Inductive Graph Neural Networksgraph-relationalmoderate-posthoclarge (>100k)

Tüm Algoritmalara Dön

Hesaplama Karmaşıklığı

Eğitim (Training):O(batch_size * prod(sample_sizes) * d)

Çıkarım (Inference):O(prod(sample_sizes) * d)

Donanım Karakteristiği

CPU Uygunluğu:Evet

GPU Zorunluluğu:Evet

Bellek Ayak İzi:moderate

Açıklanabilirlik ve Veri

Açıklanabilirlik Düzeyi:moderate-posthoc

Eğitim Verisi İhtiyacı:large (>100k)

Açıklanabilirlik Değerlendirmesi

Yeniden eğitime gerek kalmadan tamamen görülmemiş düğümlere ve ayrı yeni çizgelere tümevarımsal olarak genellenir.

Uygun Görevler ve Desteklenen Modaliteler

Uygun Görevler:

large scale graph learninginductive node classificationlink prediction

Desteklenen Modaliteler:

graphtabular

Uygulayıcı Kütüphaneler

torch-geometric

Deep Graph Library (DGL)DMLC / AWS / NYU · v2.2.1

İncele

Temel Literatür & Yayınlar

Inductive Representation Learning on Large Graphs (GraphSAGE)William L. Hamilton, Rex Ying (2017) · Advances in Neural Information Processing Systems (NeurIPS)

Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler

Yüksek dereceli düğümler küçük tekdüze örneklem boyutları altında kritik kuyruk etkileşimlerini kaybeder