近日，2021级硕士生宋熙然（指导老师：黄宏副教授）的论文“xGCN: An Extreme Graph Convolutional Network for Large-scale Social Link Prediction”被2023年国际万维网会议（The International World Wide Web Conference 2023，WWW 2023）的研究赛道（Research Track）录用。

现有的图神经网络（GNN）在大规模图学习任务上仍存在着诸多缺陷，包括可拓展性差、易于过平滑、节点ID嵌入向量表过于庞大以至难以训练等。为了克服这些问题，文章提出了xGCN--一种采用全新训练方式的GNN模型。xGCN将节点ID嵌入向量表视为静态特征而不是需要梯度训练的参数，使用无监督的传播过程和一个“提升网络”来更新嵌入向量，能够显著减少模型参数数量、加速模型训练，同时达到更好的预测准确率。文章在4个大规模社交网络数据集上进行了实验，结果表明xGCN在准确率和训练速度方面均超过了基线模型。其中，在有着一亿个用户节点的Xbox游戏社交网络数据集上，xGCN使用不到100GB内存的单机CPU环境，在11个小时内即完成了训练，而基线模型则需要近500GB内存，训练时长超过3天。

WWW是计算机与互联网领域的顶级学术会议，是中国计算机学会（CCF）推荐的A类会议。WWW 2023研究赛道共收到投稿1900篇，录用365篇，录用率为19.2%。

（通讯员：宋熙然）