图神经网络能否实现“在线”化？预训练与推理分析

现实应用中的大规模图数据往往不是静态的，而是动态的，即新的节点和边随时间出现。当前的图卷积方法很有前景，尤其是在训练时所有图的节点和边都可用的情况下。当训练后插入未见过的节点和边时，尚未评估是在原模型上继续训练还是从头重新训练更为可取。我们构建了一个实验设置，在训练后插入先前未见的节点和边，并进行有限次数的推理轮次。在该设置中，我们比较了适配预训练的图神经网络与从头重新训练。我们的结果表明，预训练模型在未见节点上取得了很高的准确率，并且预训练优于从头重新训练。我们的实验是评估和开发真正在线化图神经网络变体的第一步。