图谱动态｜学苑周刊 NO.173

殷墟甲骨+知识图谱

近日，殷墟博物馆新馆对公众开放，在考古人员介绍截至目前，殷墟出土的刻辞甲骨已超过16万片，发现单字约4500个，已释读的大概有三分之一，在人工智能、机器学习、知识图谱等新技术的赋能下，我国的甲骨文整理与研究正加速进入人工智能时代。

https://tinyurl.com/yrsp2clm

粮食系统+知识图谱

智能农业公司Cropin Technology宣布取得B Corp认证，Cropin在全球领导“农业智能”的运动中发挥着重要作用，其积极影响着全球数百万人，并为103个国家部署了农业气候技术解决方案。引入了全球首个农业行业云，由涵盖500种作物和1万个作物品种的农业知识图谱驱动，并建成2亿亩智能农田。

https://tinyurl.com/29u84ts4

—--| 会议讲座 |--—

APWeb-WAIM 2024 CALL FOR PAPER

The 8th APWeb-WAIM 2024暨Web与大数据联合国际会议由浙江师范大学承办，将于2024年8月30-9月1日在浙江金华举行。

目前第一轮征稿将于2024年3月20日截稿。

会议详情：https://apweb2024.zjnu.edu.cn/

投稿链接：https://cmt3.research.microsoft.com/APWebWAIM2024

—--| 论文推荐 |--—

本周推荐的是发表于SIGMOD 2023的论文： Scalable and Efficient Full-Graph GNN Training for Large Graphs，该文提出一个分布式GNN训练系统G3，作者来自香港科技大学和北京大学。

图神经网络（GNN）已经成为从图结构数据中捕获结构信息的强大工具，在推荐、知识图和搜索等领域有广泛的应用。这些领域中的图通常包含数亿个节点和数十亿条边。然而，现有的GNN系统可扩展性较差，这是因为GNN训练中的大量交叉计算依赖性，这导致当前并行化方法仍有不小开销。该文提出了G3，一个可以在十亿边图上大规模训练GNN的分布式系统。G3引入了GNN混合并行，该并行综合了三个维度的并行性，细粒度在worker之间共享中间结果，消除了先前工作中出现的全局集体通信或邻居复制的同步屏障。混合并行的例子如下图所示。

G3通过基于局部性的划分策略和多级流水线调度，在worker之间平衡工作负载，并在层间和层内训练过程中重叠计算与通信。G3的两步划分策略如下图所示。

G3的总体架构如下图所示。

实验表明，G3在16节点集群中可以实现2.24的加速比，并且比以前的工作具有更好的精度。

该论文链接https://dl.acm.org/doi/10.1145/3589288，感兴趣的读者可以关注。