图表示学习：图嵌入

• Z时代
• 2024-01-10
• 分类：技术分享

由于今年要着手一些图结合AI的工作，因此在此对一些经典文献做一些总结。

这是图表示学习(representation learning)的第一部分——图嵌入(graph embedding)，主要涉及DeepWalk [KDD’14]、LINE [WWW’15]、node2vec [KDD’16]、KnightKing [SOSP’19]、GraphZoom [ICLR’20]五篇论文。

关于图数据挖掘/表示学习的内容强烈建议去看Stanford Jure Leskovec的Tutorial - Representation Learning on Networks (WWW’18)。

Word Embeddding

先从NLP说起，当代基于深度学习的NLP取得巨大突破很大的原因是将高维离散的词语符号表示，转化为低维空间的连续分布式的语义表示。

举个例子，

我 爱 苹果

我 爱 雪梨

原来用数字索引或one-hot表示，一个词语就对应着一个数字（一维表示 $\mathbb{N}$），那么上面的4个词语就可以变成

• 我 0 [1,0,0,0]
• 爱 1 [0,1,0,0]
• 苹果 2 [0,0,1,0]
• 雪梨 3 [0,0,0,1]

但显然这种方法是无法表现出词语之间的相似性关系的，因此后来就有了更聪明的方法，考虑将这些词语用高维空间中的向量表示（$\mathbb{R}^n$），如果两个词向量之间的距离近，那么它们对应的词就具有越高的语义相似性，这种思想即word2vec¹。

比如将上述四个词encode成以下几个3维向量

• 我 [1,1,1]
• 爱 [1,-1,1]
• 苹果 [-1,1,0.5]
• 雪梨 [-1,1,0.4]

那么可以直观地看出苹果和雪梨在语义上较为接近，因为都是水果。

在Pytorch的简单实现上，nn.Embedding实际上做的就是一个线性映射，其中的权重也是可以训练的。由于是one-hot输入，与矩阵相乘，因此作用相当于一个查找表(Look-Up Table)，如下所示。

Graph Embedding

放到图(graph)上来说也是类似的，考虑图中的边表相似关系，如果两个结点之间的路径越短，则意味着这两个结点之间的相似度越高。如果仅仅用邻接矩阵表示图的相邻关系的话，是很难看出结点之间的相似关系的（至多看到一度关系）。

考虑图$G(V,E)$，在其基础上添加顶点的类别，则形成标注图(labeled graph)$G_L=(V,E,X_{em},Y)$，其中$X_{em}\in\mathbb{R}^{|V|\times d}$为顶点嵌入，$Y\in\mathbb{R}^{|V|\times |\mathcal{C}|}$，$d$为特征维数，$Y$为标签集。

注意这种写法指$X$和$Y$均为矩阵，$X$一共有$|V|$行，每行对应一个顶点的特征向量，有$d$维；并且每个结点可能属于多个类别$\subset \mathcal{C}$。（指multi-label classification，而不是multi-class每个样本只归属一类别）。

目标则是学习得到嵌入表示$X_{em}$，或者说映射$\Phi:V\mapsto X_{em}$，使得在低维的嵌入空间中，图结点有很好的分布式连续表达，能够很好保持图的邻接结构，即结点向量间的距离能够衡量原图中的邻接关系强弱。

下图展现了一个2维图嵌入表示，可以看到如果图嵌入做得好，是能够很好保持原图结构的（该网络来源于著名的空手道俱乐部网络Karate network²，并用力导向方法进行呈现，结点颜色则是依据modularity进行的社群检测）。

既然也是做嵌入，那能否将既有NLP中成熟的词嵌入方法移植过来呢？于是就有了DeepWalk³。

DeepWalk³

很简单的类比，就是将图上的结点当成是词语，而几个结点构成的连续路径则当成句子。

那么问题就变成怎么找到这些合适的路径。

Random walk

最早一批发表的图表示学习文章DeepWalk³就采用了随机游走(random walk)的方式，来生成这些路径，实际上就是从一个结点出发走$L$步到达另一个结点的路径。

形式化定义则令出发结点为$v_i$，随机游走是一个随机过程

\[\mathcal{W}_{v_i}:\mathcal{W}_{v_i}^1,\mathcal{W}_{v_i}^2,\ldots,\mathcal{W}_{v_i}^k\]

使得$\mathcal{W}_{v_i}^{k+1}$是从$v_k$的邻居中随机挑选出的结点。

随机游走的好处是明显的：

• 并行性：显然可以同时开多个walker从不同结点出发进行游走
• 适应性：可以轻松应对动态网络，一旦有网络结构更新，只要有足够多的walker进行重新采样，就可以对其嵌入表示进行更新

而通过随机游走，我们也可以发现图和文本的相似之处——它们都符合幂律/长尾分布(power law)，或者说是scale free的。

Skip-gram

因此可以尝试套用NLP中的语言模型(Language Model, LM)来做结点嵌入。

LM的目标是估计特定序列/句子在语料中的出现概率，比如给定一个句子$W_1^n=(w_0,w_1,\ldots,w_n)$，那么最大化

\[\mathrm{Pr}(w_n\mid w_0,w_1,\ldots,w_{n-1})\]

在所有训练语料中的概率。

放在图中则变为给定随机游走的前$i-1$个结点，最大化$\mathrm{Pr}(v_i\mid (v_1,v_2,\ldots,v_{i-1}))$。

目标是学习结点的嵌入表示，而不仅仅是结点的共现(co-occurance)情况。引入映射函数$\Phi:v\in V\mapsto\mathbb{R}^{\vert V\vert \times d}=X_E$，估计下式

\[\mathrm{Pr}\left(v_i\mid (\Phi(v_1),\Phi(v_2),\ldots,\Phi(v_{i-1}))\right)\]

但由于计算量太大，所以需要采用其他方法。而该优化形式在NLP中已经被研究得很多，因此尝试采用NLP的方法来解决。

在word2vec⁴中提到了两种LM，一种CBOW，输入为前后$w$个词，输出为中间词；而另外一种是skip-gram，输入中间词，输出前后$w$，这可以大大减轻计算量，也是我们着重关注的。

如下图展现了窗口大小为2的情况，skip-gram可以用于生成词语之间的共现(cooccurance)情况。

最终得到优化问题为

\[\min_{\Phi}\;-\log\mathrm{Pr}(\{v_{i-w},\ldots,v_{i-1},v_{i+1},\ldots,v_{i+w}\}\mid\Phi(v_i))\]

注意这里符号的意思是在$[i-w,i+w]$区间上任取一个，即其将随机游走中的序给消除了。

其实到这里，整体的算法流程就很清晰了：

1. 每次随机选择一个起始点$v_i$
2. 从$v_i$开始，做长为$\vert\mathcal{W}_{v_i}\vert=t$的随机游走
3. 依据得到的$\mathcal{W}_{v_i}$，做skip-gram。即对每一$v_j\in\mathcal{W}_{v_i}$，每一$u_k\in\mathcal{W}_{v_i}[j-w:j+w]$，做梯度下降更新参数

\[\begin{aligned}

J(\Phi)&=-\log\mathrm{Pr}(u_k\mid\Phi(v_j))\\

\Phi&=\Phi-\alpha\frac{\partial J}{\partial\Phi}

\end{aligned}\]

这里还有一些优化的地方：

• 为了让SGD更快收敛，一般是将所有的顶点打乱后，再进行顺序遍历（如果完全随机，很难做到每个点都能被采样到）
• 利用层次Softmax¹来加快计算，即$\mathrm{Pr}(u_k\mid\Phi(v_j))=\prod_{l=1}^{\lceil\log\vert V\vert\rceil}\mathrm{Pr}(b_l\mid\Phi(v_j))$，其中$b_i$是二叉树的结点，$b_0$是根
• 进一步可以利用Haffman编码来加快二叉树的访问
• 由于顶点十分稀疏，更新也是稀疏的，故可以直接上异步SGD，甚至不用加锁

注意DeepWalk很强的一点在于它使用的是无监督方法，即只需知道图结构，就可以学出对应的隐含表示。

Experiments

DeepWalk分别在BlogCatalog、Flicker和YouTube三个数据集上做多标签分类，下面给出这三个数据集的基本数据，以便有一个直观感受。

可以看到这些数据集相比起Graph500的规模是非常小的。

各超参数的值也附在这里，作为参考。

至于多标签分类，可见下图，即给出比如10%的标记结点作为训练集，剩下的90%则作为测试集。

得到隐含表示后，聚类则变得很简单，DeepWalk是采用了one-vs-rest的logistic回归来分类。最终的实验结果是非常好的，只用1%的训练数据，宏F1和微F1指标都远超之前的方法。

LINE ⁵

LINE采用了一阶相似度(proximity)和二阶相似度进行建模。

一阶相似度衡量邻居关系，如果两个结点有边相连，则这两个结点的一阶相似度高；二阶相似度则要看邻居的重叠关系，如上图的5和6，尽管没有边直接相连，但是它们有大量重叠的邻居，因此他们的相似度也非常高。

一阶相似度

考虑结点$v_i$和$v_j$有边$(i,j)$，定义联合概率

\[p_1(v_i,v_j)=\frac{1}{1+\exp(-\mathbf{u}_i^\top\cdot\mathbf{u}_j)}\]

其中$\mathbf{u}_i\in\mathbb{R}^d$为$v_i$的低维向量表示。直觉上如果两个向量足够近，那么这两个向量的点积应该很大（也即向量点积可以用于衡量相似度，类似于余弦相似度，只是将常数部分忽略）；又为了让其表示概率，则用logistic函数进行映射。

可定义先验概率为$\hat{p}1(i,j)=\frac{w{ij}}{\sum_{(i,j)\in E}w_{ij}}$，即所有边中刚好选中$(i,j)$的概率。

为保一阶相似度关系，最直接的方法即衡量两个概率分布之间的距离

\[O_1=d(\hat{p}_1(\cdot,\cdot),p_1(\cdot,\cdot))\]

用KL散度代替距离并忽略常数，即

\[\min O_1=\min \left(-\sum_{(i,j)\in E}w_{ij}\log p_1(v_i,v_j)\right)\]

二阶相似度

如果两个结点的二阶相似度高，则意味着它们共享相同的邻居/上下文(context)。这样每个结点将会有两种角色，一种是它自己$\mathbf{u}_i$（中心词），另一种是其他结点的上下文$\mathbf{u}_i’$（背景词）。（在具体实现上即每个结点会有两个embedding。）对于有向边$(i,j)$，定义结点$v_i$在上下文$v_j$下的概率为（相当于Softmax）

\[p_2(v_j\mid v_i)=\frac{\exp(\mathbf{u'}_j^\top\cdot\mathbf{u}_i)}{\sum_{k=1}^{|V|}\exp(\mathbf{u'}_k^\top\cdot\mathbf{u}_i)}\]

先验概率$\hat{p}2 (v_j \mid v_i) = \frac{w{ij}}{d_i}$，其中$d_i = \sum_{k \in \mathcal{N}(v_i)} w_{ik}$为出度。

为保二阶相似度关系，则最小化（用KL散度代替）

\[O_2=\sum_{i\in V}\lambda_id(\hat{p}_2(\cdot\mid v_i),p_2(\cdot\mid v_i))

=-\sum_{(i,j)\in E}w_{ij}\log p_2(v_j\mid v_i)\]

优化（负采样）

本部分内容参照《动手学深度学习》-10.2近似训练，课程视频可见B站，原始论文见⁶。

负采样修改了原来的目标函数。给定中心词 $w_c$ 的一个背景窗口，我们把背景词 $w_o$ 出现在该背景窗口看作一个事件，并将该事件的概率计算为

\[P(D=1\mid w_c, w_o) = \sigma(\boldsymbol{u}_o^\top \boldsymbol{v}_c)\]

这里$D=1$代表该事件发生。设背景词 $w_o$ 出现在中心词 $w_c$ 的一个背景窗口为事件 $P$ ，我们根据分布 $P(w)$ 采样 $K$ 个未出现在该背景窗口中的词，即噪声词/负样本。设噪声词 $w_k （ k=1,\ldots,K )$ 不出现在中心词 $w_c$ 的该背景窗口为事件 $N_k$ 。假设同时含有正类样本和负类样本的事件 $P,N1,\ldots,N_K$ 相互独立，负采样将以上需要最大化的仅考虑正类样本的联合概率改写为（最大似然函数）

\[\prod_{t=1}^{T} \prod_{-m \leq j \leq m,\ j \neq 0} P(w^{(t+j)} \mid w^{(t)})\]

其中条件概率被近似表示为（背景词出现在背景窗口的概率 乘上 噪声词不出现在背景窗口的概率）

\[P(w^{(t+j)} \mid w^{(t)}) =

\frac{P(w^{(t+j)},w^{(t)})}{P(w^{(t)})} \approx

P(D=1\mid w^{(t)}, w^{(t+j)})\prod_{k=1,\ w_k \sim P(w)}^K P(D=0\mid w^{(t)}, w_k)\]

设文本序列中时间步 $t$ 的词 $w(t)$ 在词典中的索引为 $i_t$ ，噪声词 $w_k$ 在词典中的索引为 $h_k$ 。有关以上条件概率的对数损失为

\[\begin{aligned}

-\log P(w^{(t+j)} \mid w^{(t)})

=& -\log P(D=1\mid w^{(t)}, w^{(t+j)}) - \sum_{k=1,\ w_k \sim P(w)}^K \log P(D=0\mid w^{(t)}, w_k)\\

=&- \log\, \sigma\left(\boldsymbol{u}_{i_{t+j}}^\top \boldsymbol{v}_{i_t}\right) - \sum_{k=1,\ w_k \sim P(w)}^K \log\left(1-\sigma\left(\boldsymbol{u}_{h_k}^\top \boldsymbol{v}_{i_t}\right)\right)\\

=&- \log\, \sigma\left(\boldsymbol{u}_{i_{t+j}}^\top \boldsymbol{v}_{i_t}\right) - \sum_{k=1,\ w_k \sim P(w)}^K \log\sigma\left(-\boldsymbol{u}_{h_k}^\top \boldsymbol{v}_{i_t}\right).

\end{aligned}\]

现在，训练中每一步的梯度计算开销不再与词典大小相关，而与 $K$ 线性相关。当 $K$ 取较小的常数时，负采样在每一步的梯度计算开销较小。

为了让生僻词更容易被采样，通常取$P_n(w)\thicksim U(w)^{3/4}/Z$。举例来说$w$的单字概率为$0.01$，则$0.01^{3/4}=0.03$会变大。

放到LINE模型中则是最小化

\[\log\sigma(\mathbf{u}_j^\top\mathbf{u}_i)+\sum_{i=1}^{K}\mathbb{E}_{v_n\thicksim P_n(v)}[\log\sigma(-\mathbf{u'}_n^\top\cdot\mathbf{u}_i)]\]

代码实现

可见DGL的官方代码库。

训练的入口函数为见line.py，用with torch.no_grad()包裹，代表不需要跟踪梯度信息。

先采负边(neg_nodes)，然后调用model.py的fast_learn。

得到正边的$\mathbf{u}$和$\mathbf{v}$，见L369-L371，通过fast_pos_bp直接得到回传梯度。同理负边算梯度，见L309-L334。

注意emb_u和emb_v只包括对应的正/负边结点的embedding，因此后面要通过index_add_将对应结点更新后的embedding加回去。

node2vec⁷

目标和DeepWalk一样，也是自动地学习结点特征，生成隐含表示(latent representation)。

传统的方法常常是有监督的，需要人工进行特征工程，会加入大量前提假设；或者直接采用PCA等方法对图的邻接/Laplace矩阵进行变换，但是矩阵分解工程量很大，可扩展性极低。

而DeepWalk一个很明显的缺点就是它均匀地对每个结点的邻居进行采样，这样会造成其无法很好控制其访问的邻居，因此node2vec的最大改进之处就是将采样方式给参数化了。

形式化地来说，对于每一源结点$u\in V$，定义其由采样策略$S$得到的邻居为$N_S(u)\subset V$（这里一定要注意，采样策略得到的邻居并不一定是直接邻居，后面会再阐述），希望在给定嵌入表示的前提下，最大化该邻居出现的概率，即

\[\max_\Phi\sum_{u\in V}\log\mathrm{Pr}(N_S(u)\mid \Phi(u))\]

为了解决上述优化问题，又有以下假设：

• 条件独立性：即邻居之间都相互独立

\[\mathrm{Pr}(N_S(u)\mid\Phi(u))=\prod_{n_i\in N_S(u)}\mathrm{Pr}(n_i\mid\Phi(u))\]

• 特征空间对称性：源结点和其邻居在彼此的特征空间中应该有对称的影响，因此用点积进行模拟（$a\cdot b=b\cdot a$），有softmax函数

\[\mathrm{Pr}(n_i\mid f(u))=\frac{\exp(\Phi(n_i)^T \Phi(u))}{\sum_{v\in V}\exp(\Phi(v)^T \Phi(u))}\]

结合上述假设，优化问题变为

\[\max_\Phi\sum_{u\in V}\left[-\log Z_u+\sum_{n_i\in N_S(u)}\Phi(n_i)^T \Phi(u)\right]\]

其中$Z_u=\sum_{v\in V}\exp(\Phi(v)^T \Phi(u))$计算量非常大，采用负采样(negative sampling)¹的方法进行优化。

Equivalance

在预测任务中其实主要关注两种相似性:

• 同质性(homophily equiv)：相互连结或同属一个社群的结点，其嵌入应比较靠近，如下图的$s_1$和$u$
• 结构性(structural equiv)：在社群中扮演同样的角色的结点，其嵌入应比较靠近，如下图的$u$和$s_6$都是各自社群的中心结点

而用BFS和DFS就可以分别生成对应的相似性，这里直观理解可能容易理解反，因此参考知乎的评论

BFS（微观特性）：对于两个结构性比较类似的结点，BFS构建两个节点在类似位置的context序列的概率更高，因此可以更好的学习到结构性；进一步假设，如果两个点有大量相同的邻居节点，那么node2vec训练时，具有相同context的概率更高，embedding向量应该更接近

DFS（宏观特性）：对于两个距离比较近的节点，出现在相同sequence context的几率比较高，因此近距离的节点容易学习出相似的embedding向量

2nd-Order Random Walk

下图则是node2vec的精髓，其定义了一个带$p$和$q$两参数的二阶随机游走，在每个结点处访问不同邻居的概率是不同的。

其考虑的是二阶邻居的关系$t\to v\to x$，$t$到$x$的最短距离$d_{tx}$只能是${0,1,2}$三个值（比原来更近、和原来一样、比原来更远）。

那么可定义搜索偏差(search bias)

\[\alpha_{pq}(t,x)=

\begin{cases}

\frac{1}{p} & ,d_{tx}=0\\

1 & ,d_{tx}=1\\

\frac{1}{q} & ,d_{tx}=2

\end{cases}\]

其中，

• $p$为return参数，控制在随机游走中立即返回上一结点的概率，如果设得很大（$>\max(q,1)$），则意味着更大机率往外走，且避免2-hop内的重复采样
• $q$为in-out参数，控制在随机游走中往外/内走的概率，如果设得很大（$>1$），则更倾向于往里走(BFS)；否则，则倾向于往外走(DFS)

最后进行归一化，可得到随机游走的转移概率

\[\mathrm{Pr}=(c_i=x\mid c_{i-1}=v)=

\begin{cases}

\frac{\alpha_{pq}(t,x)\cdot w_{vx}}{Z} & (v,x)\in E\\

0 & \mathrm{otherwise}

\end{cases}\]

其中$w_{vx}$为边权。

随机游走比传统的BFS和DFS具有空间和时间复杂性的好处（依照原文），但这里存疑，暂缓不表。

综上就有了node2vec的算法，相比起DeepWalk，它将三个阶段彻底分离，更加方便每个阶段的并行。

1. 预处理计算转移概率
2. 生成大量随机游走
3. 利用这些游走进行SGD

Link Prediction

node2vec还有一个创新之处在于，其将无监督嵌入表示方法拓展到了连边预测上。

其实有了结点的嵌入表示$\Phi(u)$和$\Phi(v)$后，构造边的嵌入也比较简单，即将这两者做一个二元操作

\[g(u,v)=\Phi(u)\circ\Phi(v): V\times V\mapsto\mathbb{R}^{d'}\]

Experiments

最后的实验也做得很详实，果然数据挖掘顶会的平均水准还是远高于AI顶会的（10页双栏，与系统会议类似）。

实验主要包括以下几个部分

1. 在Les Misérables网络上对BFS/DFS随机游走的可视化（用k-means聚类），上图展现同质性，下图展现结构性

   

2. 实验设置（Spectral clustering, DeepWalk, LINE），C/C++/Python实现， http://snap.stanford.edu/node2vec
3. 多标签分类
4. 敏感性分析
5. 扰动(perturbation)分析（缺信息情况下的表现）
6. 可扩展性（采样占据了绝大多数时间，优化的时间其实比较小，这才有了后面KnightKing的工作）
7. 连边预测

最终实验结果也是吊打前者，故在此不再赘述。

KnightKing⁸

从前面的叙述可以看出，虽然随机游走取得了很好的效果，但是其采样的部分占据了绝大多数训练时间，因此如何对随机游走的采样进行加速就变成了一个重要的问题。

而随机游走实际上是一个图计算的问题，因此可以用图计算系统来解决，包括单机的Ligra、分布式的Gemini等，但是这些图系统基本是以顶点为中心(vertex-centric)的，没有办法很好地解决随机游走的问题（主要原因是难以记录整条路径），故有了KnightKing这一以游走者为中心(walker-centric)的图计算引擎。

Random Walk Taxonomy

要建起一个针对随机游走都通用的系统，最关键一步就是找这些算法的共通之处，然后进行抽象，得到统一表达。

首先进行算法的分类，从转移概率来说，随机游走可分为

• 无偏(unbiased)：均匀分布
• 有偏(biased)：转移概率依赖边权
• 静态：转移概率在游走过程中不会改变（无状态stateless）
• 动态：转移概率会因游走过来时的路径而改变（有状态）

  • 进而可分阶次(order)，一阶只关乎当前节点，为静态；二阶关心过来的邻居，为动态；高阶以此类推

然后可用统一的转移概率公式来表达（注意这里并未做归一化）

\[P(e)=P_s(e)\cdot P_d(e,v,w)\cdot P_e(v,w)\]

这是十分直接的公式化，即某一条出边$e$的转移概率，等于静态成分、动态成分、扩展成分三者相乘。

详细地说，游走者$w$当前处于结点$v$，

• 静态成分$P_s$只关乎当前的边$e$
• 动态成分$P_d$关乎这条边以及游走者过来的路径/状态（$w$含有$v$之前所有的状态）
• 扩展成分$P_e$则不与出边相关（这里可能是为了解决其他一些未考虑到的情况，这一项的形式化方法存疑）

那么一些随机游走的算法就可以通过这三项轻松表达，其中$P_e(v,w)$被设置成到达最大长度（$\vert w+v\vert =L$）则返回0，其余两项的取值如下表所示（$w_e$指边$e$的边权）

Existing Optimization

对于静态的随机游走，常见的采样方法有以下两种

• ITS：计算边转移概率的累积概率分布，然后抽随机数，二分查找看落在哪个区间（假设$n$条出边，则$O(n)$时间空间建立查找表，$O(\log n)$时间查找）
• Alias：将每条边分成多份，放入不同的桶中，确保每个桶至多两条边且总和相同。采样时随机采样一个桶，然后随机采样两条边中的一条即可（同样$O(n)$预处理时间，但只需$O(1)$时间查找）

但这个时空开销对于动态游走来说都是不合适的，因此传统的深度学习系统(Tensorflow)也不能很好处理，可扩展性极低。进而现在更多关于随机游走的优化是从算法层面实现的，通过近似采样，实现复杂度的降低。

Sampling

抽象只是解决了编程一致性的问题，但怎么算得快依然是没有解决的，而下面的部分才是本论文最高能的地方。

论文作者翻出了一篇几十年前的文章，专门讲从任意的概率分布中采样的方法，然后他们成功地将该论文的方法用到随机游走采样上并获得了奇效。这种采样方法称之为Rejection Sampling，参见下图。

核心思想是将1维的概率采样，转化为2维的采样（想想前面的两种优化方法，ITS算是1D的，Alias算半个2D，因为确实要采样两次，但是却把查找的时间复杂度降了下来）。

1. 建立概率分布，间隔为1，高度即为每条边的转移概率（未归一化）
2. 选取一个最大的信封(envelop)，可以框住所有的概率分布
3. 在2D空间随机撒点，落在概率分布内接受采样，否则拒绝
4. 拒绝则继续重复3，直至采样成功

正确性保证在下面书中有

David JC MacKay and David JC Mac Kay. 2003. Information theory, inference and learning algorithms. Cambridge university press.

看上去好像跟原来的1D采样也没什么不同，但是细想一下，就会发现rejection sampling很牛逼。

因为原来你都是需要将所有转移概率算出来，然后才采样，看落在哪个区间；但现在是先采样，然后再判定是否符合要求。前者需要检查所有出边，而后者只需检查一条边，时间复杂度瞬间降下来了。（而且注意这种方法是精确采样而不是取近似哦）

上面图中的例子只是无偏的，如果考虑有偏，那只需更改每个小矩形的宽即可。而前面的抽象正好也给了这种对应机会，即小矩形的宽是$P_s$，而小矩形的高是$P_d$，由于信封高度$Q(v)$为$P_d$的最大值，而这些在随机游走算法中是确定的（比如node2vec就是$1/p$、$1/q$和$1$三者的最大值），因此采样只需先判x落在哪个$P_s$区间中（这里用1D的采样方法即可解决），然后直接采$y$，判断$y$是否小于$P_d$，即可判接受还是拒绝。显而易见，这种方法对于动态随机游走是没有多余的预处理时间的（如累加），只需一开始将$P_s$处理好即可（存在一个数组中）。

这种方法的核心问题/开销在于如何快速地采样到有效区域，因此后面的优化也是trivial的。

• 将过高矩形(outlier)进行裁剪补到后面以降低$Q(v)$，如上图所示。但是这种方法有很严重的问题是不知道到底要裁剪多少，因为你现在只采样了一个矩形，frankly来说你是不知道其他矩形的情况的（文中脚注作者说是设一个threshold，当成超参数让用户自己调。这种方法看上去就是根据node2vec这种特殊情况进行适配的，因为只有三个概率取值，因此可以很好估计最大值多少，去除最大值之后应该怎么剪）；另一方面，一次裁剪就足够了吗，如果一次裁剪依然是非常高的矩形那又应该怎么办呢，本文似乎回避了这个问题，或者说认为这种情况发生概率非常小。
• 另外一个优化则是针对低矩形的，如果采样比所有矩阵都低，那当然就可以直接确认了，谓之为pre-acceptance（但似乎这一个优化只是减少了一个比较操作吧…）

编程模型的API就不说了，毕竟就是那几个参数怎么设的问题。

Experiments

不比前面那些算法论文只跑小图，KnightGraph跑了真实的大规模图，最大的是UK-Union，有134M个顶点，5.51B条边，估计在几十G的大小。

实验没有测端到端，只是测了路径采样的部分；并且没有跟深度学习框架(Tensorflow)等比，只跟Gemini比了，在动态采样上达到了惊人的4个阶的加速比提升，当然这也是可预见的（其实这完全归功于算法）。

Summary

本文诠释了一个好的idea就能出一篇paper，其余的工作其实都是工程实现。总结来说就三个贡献点：

一个简单通用的抽象（系统层面）+好的采样方法（算法层面）+实验

同时也可以看出，算法提升带来的收益远大于系统层面优化带来的收益，“系统设计是重要的，但算法设计同样也很重要”。

C-SAW⁹

三个挑战（前两点存疑）：

1. 采样与传统图计算的却别：传统图计算对不同边/点等同对待，而采样常常要考虑bias，重点在如何选点上
2. 很难实现大一统GPU采样框架
3. 大图超出GPU memory

本文则是提出了一个GPU的图采样和随机游走框架。

无论是图采样还是随机游走，他们都 1) 以遍历为中心，2) 基于bias选择性采点。

下面是几种常见的基于bias的采点方式。

提供了以下3个API供用户实现不同的采样算法。

GPU优化

Warp-Centric Parallel Selection

• 在Warp内部并行采样，而不是开block，因为大多数点的degree并不大
• Inverse transform sampling + 并行前缀和
• 采样冲突（需要保证采的边不同）：Bipartite Region Search，同时维护Strided Bitmap来记录哪些点访问过了（考虑memory bank的并行方案）

图划分

直接采用range partition（结点等分），该结点的所有边都被归到当前partition，1）保持良好局部性，2）避免大量预处理开销。

由于GPU内存有限，因此这里的问题是如何选择/调度partition进GPU内进行计算，本文提出了Workload-Aware Partition Scheduling，核心idea是先做active nodes多的partition，因为active nodes扩展出来的新结点也会很多，将这个partition算完再换下一个的收益就很大。

由于点和点之间互相独立，因此可以轻松将C-SAW扩展到多GPU进行计算。

实验

最大的图为Friendster和Twitter，性能与KnightKing和GraphSAINT比较。

GraphZoom¹⁰

Reference

以上是 图表示学习：图嵌入 的全部内容， 来源链接： utcz.com/a/128226.html