迈向在图数据库中训练和推理图神经网络
Towards Training and Inference of Graph Neural Networks in Graph Databases
精选理由
将GNN训练与推理直接整合进图数据库，兼顾动态数据、高效采样与低内存开销。
AI 摘要
arXiv:2610.19142v1 公告类型：新论文 摘要：大规模图上的图神经网络通常依赖内存中的图存储，并采用专门构建的数据处理流水线进行训练和推理。图数据库为随时间演化的图提供可扩展的存储和高效遍历，但其在图神经网络（GNN）训练和推理中的适用性鲜有研究。我们表明，图数据库可以直接用于 GNN 的训练和推理，执行采样、特征检索，甚至完整的前向传播。我们展示了不同的 GNN 训练流水线如何使用 Cypher 在图数据库中进行即时采样和检索。我们进一步提出了优化方法，在保持相同准确率的同时，将训练速度提升至约 2.5 倍。我们说明，无论 GNN 采用何种方式训练，都可以完全在数据库内部进行推理。在真实世界的图上，我们的推理方案相比将图冷加载到 RAM 中的方式，速度可提升至 10 倍以上，且不会产生额外的内存开销。我们的工作为在图数据库内部开展 GNN 训练和推理奠定了基础。