自动化图机器学习

《ACM Transactions on Knowledge Discovery from Data》：Automated Graph Machine Learning

　　

摘要AI总结

要查看此AI生成的总结，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

图机器学习在学术界和工业界都得到了广泛研究。然而，随着关于图学习的文献数量不断增加，出现了大量新的方法和技术，手动设计适用于不同图相关任务的最佳机器学习算法变得越来越困难。为了解决这一挑战，自动图机器学习逐渐受到研究界的重视，它旨在无需手动设计即可为不同的图任务/数据找到最佳的超参数和神经网络架构配置。在本文中，我们详细探讨了自动图机器学习的方法，包括用于图机器学习的超参数优化（HPO）和神经网络架构搜索（NAS）。我们简要介绍了专为图机器学习或自动机器学习设计的现有库，然后深入介绍了AutoGL——我们开发的第一个专门用于自动图机器学习的开源库。此外，我们还描述了一个定制的基准测试，可用于实现统一、可重复且高效的评估。最后，我们分享了对于自动图机器学习未来研究方向的见解。据我们所知，这项工作系统而全面地探讨了自动图机器学习中的方法、库以及研究方向。

AI总结

AI生成的总结（实验性）

此总结是通过自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、评估文章的相关性，以及帮助来自相关研究领域的读者理解文章内容。它的作用是补充作者提供的摘要，后者仍是文章的主要总结。完整文章才是权威版本。点击此处了解更多。

点击此处，可以对该总结的准确性、清晰度和实用性发表意见。您的反馈将有助于改进未来的总结版本。

要查看此AI生成的通俗语言总结，您需要拥有高级访问权限。