返回
gpuRDF2vec-Scalable GPU-Based RDF2vec
DOI:10.1007/978-3-032-09530-5_14.png)
摘要
En 中文
在Web规模下生成知识图谱(KG)嵌入仍然具有挑战性。在现有技术中,RDF2vec结合了有效性与强大的可扩展性。我们提出了gpuRDF2vec,一个开源库,它利用现代GPU并支持多节点执行,以加速RDF2vec流水线的每个阶段。在合成生成的图和真实世界基准上的广泛实验表明,gpuRDF2vec相比当前最快的替代方案(即jRDF2vec)实现了显著的加速。在单节点设置中,仅我们的游走提取阶段就通过在大/稠密图上使用随机游走,显著优于pyRDF2vec、SparkKGML和jRDF2vec,并且能很好地扩展到更长的游走,而更长的游走通常能产生更高质量的嵌入。我们的gpuRDF2vec实现使实践者和研究人员能够在大型图上以合理的计算预算训练高质量的KG嵌入,并基于Pytorch Lightning实现了可扩展的word2vec(1)(我们的GitHub仓库可以在以下链接中找到,并可下载为pypi包)。
Keyword:
RDF2vec
Distributed Computing
GPU processing
期刊
S
IF:
0
论文数:
24
被引数:
0
机构
引用论文
The Gene Ontology Resource: 20 years and still GOing strong基因本体论资源: 20年,仍然强劲
NUCLEIC ACIDS RESEARCH
IF13.1

