Alapfogalmak
事前学習されたGNNを適切に微調整するための検索戦略を提案し、パフォーマンスを向上させる。
Kivonat
最近、GNNは多くのグラフ関連タスクで前例のない成功を収めています。しかし、GNNは他のニューラルネットワークと同様にラベルが不足しています。したがって、最近の取り組みでは、大規模な未ラベルグラフでGNNを事前学習し、未ラベルグラフから得られた知識を対象とする下流タスクに適応させようとしています。提案されたS2PGNNは、与えられた事前学習済みGNNと下流データに適した微調整フレームワークを自動的に設計します。この作業の主な貢献は次の通りです:1. GNN微調整戦略を体系的に探求しました。2. 事前学習済みGNN用にS2PGNNを提案しました。3. S2PGNNで新しい検索空間を提案しました。4. S2PGNNがパフォーマンス向上に役立つことが示されました。
Statisztikák
S2PGNNは10種類の有名な事前学習済みGNN上で実装され、パフォーマンスが一貫して9%から17%向上した。
プロジェクトコードはhttps://github.com/zwangeo/icde2024で公開されている。
Idézetek
"Graph Neural Networks have shown unprecedented success in many graph-related tasks."
"To further boost pre-trained GNNs, we propose to search to fine-tune pre-trained GNNs for graph-level tasks (S2PGNN)."
"The empirical studies show that S2PGNN can be implemented on the top of 10 famous pre-trained GNNs and consistently improve their performance by 9% to 17%."