Redundancy-Free Computation for Graph Neural Networks
Motivation
To avoid redundant computations:减少冗余计算
HAGs are functionally equivalent to standard GNN-graphs:性能不变
An agnostic method:对所有模型都适用
对邻居上重合的的vector进行聚合,然后再传递。
HAGs
把聚合的点和原来的点聚合,生成一张新图
Existing GNNs
- 没有顺序:GCN
- 有顺序:LSTM聚合
Aggregation Nodes
如果是原图的属性,就用节点的隐藏向量
如果是聚合节点,就用聚合向量。