大规模图神经网络系统综述

图神经网络（GNN）是一类基于深度学习的处理图域信息的方法，它通过将图广播操作和深度学习算法结合，可以让图的结构信息和顶点属性信息都参与到学习中，在顶点分类、图分类、链接预测等应用中表现出良好的效果和可解释性，已成为一种广泛应用的图分析方法.然而现有主流的深度学习框架（如Tensorflow、PyTorch等）没有为图神经网络计算提供高效的存储支持和图上的消息传递支持，这限制了图神经网络算法在大规模图数据上的应用.目前已有诸多工作针对图结构的数据特点和图神经网络的计算特点，探索了大规模图神经网络系统的设计和实现方案.本文首先对图神经网络的发展进行简要概述，总结了设计图神经网络系统需要面对的挑战；随后对目前图神经网络系统的工作进行介绍，从系统架构、编程模型、消息传递优化、图分区策略、通信优化等多个方面对系统进行分析；最后使用部分已开源的图神经网络系统进行实验评估，从精确度、性能、扩展性等多个方面验证这些系统的有效性.

http://www.jos.org.cn/jos/ch/reader/view_abstract.aspx?file_no=6311