近日，2023级博士生周伟（导师黄宏副教授）的论文“An Efficient Subgraph-inferring Framework for Large-scale Heterogeneous Graphs”被第38届国际顶级人工智能学术会议 (The 38th Annual AAAI Conference on Artificial Intelligence, AAAI 2024) 录用。

异质图神经网络（Heterogenous Graph Neural Networks，HGNN）可以有效解决现实场景中不同数据类型和关联关系所产生的复杂性，在图表示学习领域发挥着至关重要的作用。但是，由于需要在全图上进行训练和推理，将传统的HGNN应用到大规模图上还存在挑战——随着异质图规模的增加，全图训练和推理需要的时间和内存开销会迅速增加，甚至达到不可接受的水平。为了解决这一问题，论文提出了在子图上进行训练和推理的新框架——SubInfer。该框架主要包括三个步骤：1）从多个角度对大规模异质图进行划分，以保留各种语义信息；2）补全子图，以提高子图训练的收敛速度和子图推理的性能；3）在分布式集群上训练和推理HGNN模型，以进一步减少时间开销。绝大多数HGNN模型都可以通过简单的修改扩展到该框架中。在五个基准数据集上的实验表明，SubInfer能有效地优化训练和推理阶段，在提供与传统HGNN模型相当的性能同时（性能损失在2%以内），能显著减少时间和内存开销（最大加速比100x, 内存最大优化为原来的1/10）。

AAAI致力于促进和推动人工智能研究、教育和应用，是人工智能领域内备受瞩目的顶级会议之一，也是中国计算机学会CCF推荐的A类会议。本届AAAI会议共有12100篇投稿（主赛道），打破历史纪录,经过全面而严格的审查程序，共有2342篇论文脱颖而出，录取率23.75%。

（通讯员：周伟）