2019年12月8日，神经网络和深度学习领域的顶会NeurIPS 在加拿大温哥华召开，阿里巴巴计算平台PAI团队和达摩院智能计算实验室开发的Aligraph在Expo Day 现场进行展示。
为什么专注于GNN
在大数据的背景下，利用高速计算机去发现数据中的规律似乎是最有效的手段。为了让机器计算的有目的性，需要将人的知识作为输入。我们先后经历了专家系统、经典机器学习、深度学习三个阶段，输入的知识由具体到抽象，由规则到特征再到模式，越来越宏观。相对来说，抽象的层次变高了，覆盖面变广了，但我们对底层的感知变弱了，模型的可解释程度变差了。深度学习的应用已经让我们看到了非常可观的价值，但其背后的可解释性工作进展缓慢，也因为如此，当我们用深度学习去解决涉及人身财产安全、法律等敏感问题时，只有数字效果不足以支撑这项技术的应用，我们更需要知道结果后面的原因。
Graph是知识的载体，其间的实体联系蕴含了很强的因果关系。重要的是，这是一种直观的、人们能够读懂的结构。把Graph作为知识支撑，利用深度学习的泛化技术，看上去是一个可行的方向，在某些问题上，离我们的可解释性目标更近了一步。各种深度学习相关的顶会在近年来的paper分布上，图神经网络（GNN）一直处于蓬勃态势。GNN提供了一种解决问题的思路，覆盖范围很广，很多搜索推荐类算法，都可以纳入到GNN范式，因此无论从未来技术储备，还是当下应用扩展的角度，GNN都是一个非常值得投入的方向。
AliGraph定位
相比CNN、RNN等成熟技术而言，GNN还处于探索阶段，Graph之于GNN，不如图像之于CNN、自然语言之于RNN那样理所当然。即便有Graph数据，如何使用GNN没有可遵循的固定模式，更没有沉淀下来的类似卷积一样的算子可直接调用。GNN的有效性需要更多的场景去验证，而每一个场景都需要开发者的深入理解，开发者有能力处理Graph数据和编写之上的深度学习模型。有了百花齐放的应用场景做铺垫，才有可能抽象出共性的GNN算子和算法，再将这些相对成熟的能力赋给使用者，GNN才会真正的推广开来。出于这些考虑，比起开发一个成熟算法供用户使用，平台当前阶段会更侧重提供API给开发者，让开发者有能力贴近自己的场景去实现GNN。
另一方面，工业场景中的Graph数据十分复杂，而且数据量巨大。平台不能脱离场景而独立存在，必须以业务为驱动，才最可能孵化出有实际价值的产品。以阿里巴巴的电商推荐场景为例，每天的产生的图数据多达几百TB，而且高度异构（多种类型的顶点、多种类型的边），顶点和边具有丰富的属性，诸如商品的名称、类目、价格区间，甚至是其关联的图像、视频等，这些属性以明文存在而非已经向量化好的结构化信息。以这样的数据为输入，如何高效的进行GNN训练是一个非常有挑战的问题。如果使用数据预处理、预训练等手段把Graph数据结构化、向量化，会耗费大量的计算资源、存储资源和人力成本。真正对GNN开发者友好的平台，应该是端到端的，在一套IDE里，用户既可以操作复杂的Graph数据，又可以将数据与深度神经网络对接，*编写上层模型。平台提供简单灵活的接口，满足GNN高速发展所需的可扩展性与生态的兼容性，和针对复杂的分布式环境的大规模与稳定性。
技术栈
层次化架构
AliGraph涵盖了从原始图数据到GNN应用的整体链路，把GNN算法的探索成本降低到和传统深度学习算法同等水平。平台可以分层来看：数据层，引擎层，应用层。
数据层，支持大规模同构图、异构图、属性图。数据无需提前build好，平台提供API来简化数据解析和建图的过程。数据层接口易扩展，方便对接不同格式、不同介质的Graph数据。
引擎层，包含Graph Engine和Tensor Engine。Graph Engine又可分为逻辑对象层与算子层。逻辑对象层，描述的是把原始数据加载到系统后展现给用户的形态是什么。每一个对象实体都会提供相关的语义接口，比如对于一个Graph对象而言，可以获取图的拓扑信息、异构程度、点边数量等。对于用户而言，实际使用中只需要声明一个逻辑对象并指定其数据源即可。
算子层，在逻辑对象之上可以进行的计算操作。比如对于Graph对象而言，支持各种Sampler算子，用于对上层GNN算法提供输入。算子层具有很强的扩展性，以满足场景多样化对算子种类的需求。目前，内置支持的算子围绕GNN算法及生态展开，包括图查询、图采样、负采样、KNN等。
Tensor Engine指深度学习引擎，如TensorFlow、PyTorch，或者其他支持Python接口的Library。GraphEngine的输出为格式对齐的NumPy对象，可无缝与深度学习引擎对接。GNN开发者可*编写Graph之上的NN逻辑，并可与业务需求相结合，组成一个深度网络模型进行端到端训练。
应用层，强调与业务端到端结合，而非把Graph Embedding的结果割裂开使用。经场景打磨的成熟算法，也会沉淀到应用层，以算法组件的形式提供给用户。
一体化实现
由GCN框架引申，典型的GNN编程范式可概括如下，系统是为了高效支持该范式而设计。
其中，向量化和聚合操作可以利用深度学习引擎的表达能力，因此，为实现上述计算模式，主要在于图相关的操作以及这些操作如何与深度学习引擎对接。我们将技术栈细化成如下图所示，其中Storage、Sampler、Operator是系统要解决的主要问题。信息自底向上在层与层之间前向传播，梯度则自顶向下更新每一层的参数，整个GNN应用在一张深度网络里描述。Storage层的Graph对象是逻辑存储，在其之下有一层抽象的文件接口，可适配多种数据源，这是系统具备可迁移性的前提。Sampler提供丰富的算子，且可独立扩展，不依赖系统框架，满足多样化的需求。Operator进行图语义操作的封装，把性能优化、数据对接隐藏在简洁的接口之下。
高效图引擎
再具体的，图引擎是连接图数据与深度学习框架的桥梁，保证数据传递的高效与稳定。这里的图操作是面向GNN的，和一般意义的图计算有很大区别。Graph Engine是一个分布式服务，具有高性能和高可用的特点，支持百亿级边的异构图在2分钟以内完成构建、十毫秒级按batch多跳跨机采样，支持从失败中状态无损的failover。Graph Engine内部深度优化了RPC过程，实现了数据零拷贝，并且Server间的连接是线程级的，在最大化带宽利用率的同时，每个线程可独立无锁的处理请求。这也是系统性能优异的主要原因。此外，我们通过有效的Cache、去中心化等手段来加速采样和负采样，性能具有明显提升。
算子可扩展
为支持GNN的快速发展需求，系统允许算子*扩展。系统框架包括用户接口、分布式运行时、分布式存储 3大部分。通过用户接口调用某个算子，算子读取数据并完成分布式计算。我们把分布式运行时和存储的接口进行提炼，将编程接口控制在安全范围内，用户可以基于这些接口开发一个自定义的算子。自定义算子可以统一注册到用户接口上，无需新增用户API。具体的，每种Operator都是一个分布式算子，计算所需的数据会分布在Service的各个Server上，我们抽象了Map()和Reduce()语义，Map()用于把计算请求拆分并转发到对应的Server上，保证数据和计算colocate从而避免数据搬迁的代价，Reduce()则把每个Server的结果进行整合。Operator还需实现Process()，用于本地计算，数据序列化、分布式通信等则无需关心。
取得成果
系统
- 数据种类：支持同构图、异构图、属性图，有向图、无向图，可方便与任意分布式文件系统对接。
- 数据规模：支持千亿级边、十亿级顶点的超大规模图（原始存储TB级）。
- 算子种类：支持几十种可与深度学习相结合的图查询、采样算子，支持向量检索，支持算子按需自定义。
- 性能指标：支持分钟级超大规模图构建，毫秒级多跳异构图采样，毫秒级大规模向量检索。
- 用户接口：纯Python接口，与TensorFlow构成一体化IDE，开发成本相比一般TF模型无异。
算法
已支持业界主流的GraphEmbedding算法，包括：DeepWalk、Node2Vec、GraphSAGE、GATNE等。多种自研算法正在计划公开，已发表的相关paper参考如下。
- Representation Learning for Attributed Multiplex Heterogeneous Network.KDD, 2019.
- Is a Single Vector Enough? Exploring Node Polysemy for Network Embedding.KDD, 2019.
- Towards Knowledge-Based Personalized Product Description Generation inE-commerce. KDD, 2019.
- Sequential Scenario-Specific Meta Learner for Online Recommendation. KDD,2019.
- AliGraph: A Comprehensive Graph Neural Network Platform. VLDB, 2019.
- Large Scale Evolving Graphs with Burst Detection. IJCAI, 2019.
- Hierarchical Representation Learning for Bipartite Graphs. IJCAI, 2019.
- Cognitive Graph for Multi-Hop Reading Comprehension at Scale. ACL, 2019.
- Bayes EMbedding (BEM): Refining Representation by Integrating KnowledgeGraphs and Behavior-specific Networks. CIKM 2019.
- Towards Knowledge-Based Recommender Dialog System. EMNLP, 2019.
- Learning Disentangled Representations for Recommendation. NeurIPS, 2019.
业务
在阿里巴巴集团内，已覆盖淘宝推荐、淘宝搜索、新零售、网络安全（反恐、垃圾或异常检测、反作弊）、线上支付、优酷、阿里健康等相关业务。典型场景效果如下：
手机淘宝首页猜你喜欢，云主题推荐（每天5500w PV)
相比其他系统实现的GE模型，在百亿级边、十亿级顶点规模的用户-商品二部构图上，AliGraph的实现能使单任务节省300TB存储、万CPU时算力，训练时间缩短2/3，CTR提升12%。
安全相关，反恐、垃圾检测、异常识别等5个场景
单天三十亿级边、亿级顶点的异构图，训练时间缩短1/2，模型覆盖准确率提升6%-41%不等。
此外，AliGraph已在阿里云公共云平台发布，我们会保持持续更新，希望看到GNN为更多的场景带去更优的解决方案，也希望更多的研究者愿意投入到这个方向。
结语
本文对AliGraph平台做了概况介绍，在传递我们背后思考的同时，希望给更多GNN方向的研究者带去便利，也希望感兴趣的同学加入我们，共同打造GNN的影响力并落地到实际应用。