图谱动态｜学苑周刊 NO.171

图谱学苑 2024-02-20

181

本期将分享近期全球知识图谱相关

行业动态、会议课程、论文推荐

—--| 新闻动态 |--—

谷歌TensorFlow-GNN 1.0发布

谷歌近日官宣发布TensorFlow GNN 1.0（TF-GNN）—用于大规模构建GNN的经过生产测试的库。它既支持在TensorFlow中的建模和训练，也支持从大型数据存储中提取输入图。TF-GNN是专为异构图从头开始构建的，其中对象和关系的类型由不同的节点和边集合来表示。现实世界中的对象及其关系以不同的类型出现，而TF-GNN的异构焦点，使得表示它们变得非常自然。

图为一个简单的「消息传递神经网」，在该网络中，每一步节点状态都会从外部节点传播到内部节点，并在内部节点汇集计算出新的节点状态。一旦到达根节点，就可以进行最终预测

https://blog.research.google/2024/02/graph-neural-networks-in-tensorflow.html

Microsoft 通过知识图增强 RAG

检索增强生成（RAG）是扩展大型语言模型功能最常用的技术之一。现在，微软的研究人员提出了 GraphRAG通过知识图谱来改进 RAG 的方法。

通过使用 LLM 生成的知识图，GraphRAG 极大地改进了 RAG 的“检索”部分，用更高相关性的内容填充上下文窗口，从而获得更好的答案并捕获证据来源。微软表示，GraphRAG 已应用于社交媒体、新闻文章和工作场所生产力等场景。

https://s.yam.com/quE6o

—--| 会议讲座 |--—

人工智能和网络安全虚拟峰会

加利福尼亚州圣何塞，Trellix 宣布将于 2024 年 2 月 28 日至 29 日举行由 Amazon Web Services （AWS）赞助的 AI 和网络安全虚拟峰会 The New Frontier in Cybersecurity：AI's Risk and Opportunity。峰会与会者将学习如何使用人工智能防御网络犯罪分子，为什么人工智能聊天机器人会带来风险，如何防止数据泄露，以及如何利用人工智能的力量来加快响应时间，提高SOC效率，并减少调查时间。

详情请访问：

https://www.trellix.com/about/events/2024/ai-security-operations-virtual-summit/

—--| 论文推荐 |--—

Lotan

本周推荐的是发表于VLDB 2023的论文：Lotan: Bridging the Gap between GNNs and Scalable Graph Analytics Engines，该文提出一个基于图分析系统的GNN系统Lotan，作者来自加州大学。

图神经网络（GNNs）训练的复杂性和可扩展性挑战激发了研究者社区的兴趣，他们努力构建效率更高的系统和降低成本的方案。然而，许多这样的系统基本上“重新发明”了数据库领域在可扩展图分析引擎上所做的大量工作。此外，他们经常将图数据处理的可扩展性处理与GNN训练的可扩展性处理紧密结合在一起，导致纠缠在一起的复杂问题和系统，这些问题和系统通常无法在其中一个轴上很好地扩展。

该文提出了一个基本问题：我们能在多大程度上融合现有的可扩展图分析和深度学习（DL）系统，而不是构建定制的GNN系统？对可扩展性和/或运行时间的妥协是不可避免的吗？该文提出了Lotan，用于全批量（all-batch）的GNN训练，具有解耦缩放功能，可以弥合迄今为止图分析系统和DL系统的孤岛世界。Lotan提供了一系列创新，包括将GNN训练重新想象为类似查询计划的数据流、执行计划重写、系统之间的优化数据移动、以GNN为中心的图划分方案以及第一个已知的GNN模型批处理方案。系统架构如下图所示。

该文在GraphX和PyTorch之上构建了Lotan原型。真实世界基准GNN工作负载上的实验表明，Lotan的可扩展性大大超过了最先进的定制GNN系统，而在某些情况下，其准确性时间指标通常与后者相当或仅稍有落后。该文还展示了系统优化的影响。总的来说，该工作表明，GNN确实可以从可扩展的图分析引擎中受益。Lotan新的可扩展性水平还可以支持对越来越大的图和GNN进行新的面向ML的研究。