一个大规模合成图形数据集生成框架
IEEE transactions on neural networks and learning systems
|March 27, 2025
概括
研究人员开发了一种合成图形生成工具,用于创建用于深度图形学习的大规模数据集. 这个工具有助于开发和对比用于现实世界的应用程序的图形算法.
科学领域:
- 计算机科学 计算机科学
- 机器学习 机器学习
- 数据科学数据科学数据科学
背景情况:
- 深度图形学习对于欺诈检测和推系统等任务越来越重要.
- 公共图形数据集的有限可用性和大小阻碍了生产规模应用的开发.
研究的目的:
- 为了解决大规模图形数据集的稀缺问题.
- 引入一种新的合成图表生成工具,用于可扩展的数据创建.
主要方法:
- 提出了一个框架,用于合成图形生成的参数模型.
- 模型可以随机初始化或适应现有的专有数据集.
- 允许创建具有万亿边缘和数十亿节点的图形.
主要成果:
- 在各种数据集中展示了可通用性,保留了结构和特征分布.
- 成功地将合成数据集扩展到各种尺寸以进行基准测试.
- 促进了原型开发和探索新型图形学习应用程序.
结论:
- 合成图表生成工具有效地克服了当前数据集的局限性.
- 该框架支持深度图形学习中的可扩展模型开发和基准测试.
- 在GitHub上发布代码,以促进研究和应用程序开发.
