图采样

图采样（Graph Sampling）是指从大型图数据集中选择具有代表性的子图样本的过程。其主要目标是通过减少计算复杂度和资源消耗，提高图神经网络（GNNs）训练和图嵌入生成的效率。图采样能够确保所选样本保留原始图的关键结构和属性，从而在保持模型性能的同时，加速算法的收敛和优化。在大规模图数据处理中，图采样技术对于提升模型训练的可扩展性和实用性具有重要价值。