图学习索引器：一个对贡献者友好且元数据丰富的图学习基准平台
机器学习
2022-12-12 v1
摘要
建立开放且通用的基准已成为现代机器学习技术成功的关键驱动力。随着机器学习被应用于更广泛的领域与任务，需要建立更丰富、更多样的基准以更好地反映应用场景的现实情况。图学习是机器学习中一个新兴领域，迫切需要有更多更好的基准。为满足该需求，我们引入图学习索引器（GLI），一个面向图学习的基准策划平台。与现有图学习基准库相比，GLI突出了两个新颖的设计目标。首先，GLI旨在激励数据集贡献者。具体而言，我们采取多种措施以最小化贡献和维护数据集的工作量，提升所贡献数据集的可用性，并鼓励对数据集不同贡献者的署名。其次，GLI旨在策划一个知识库而非简单的数据集集合。我们利用多源元信息以丰富特征增强基准数据集，从而使其能在下游研究或开发中被轻松选取和使用。GLI的源代码可在 \url{https://github.com/Graph-Learning-Benchmarks/gli} 获取。
引用
@article{arxiv.2212.04537,
title = {Graph Learning Indexer: A Contributor-Friendly and Metadata-Rich Platform for Graph Learning Benchmarks},
author = {Jiaqi Ma and Xingjian Zhang and Hezheng Fan and Jin Huang and Tianyue Li and Ting Wei Li and Yiwen Tu and Chenshu Zhu and Qiaozhu Mei},
journal= {arXiv preprint arXiv:2212.04537},
year = {2022}
}
备注
Oral Presentation at LOG 2022