ICS35.040 CCSL71 中华人民共和国国家标准 GB/T42382.3—2026 信息技术 神经网络表示与模型压缩 第3部分:图神经网络 Informationtechnology—Neuralnetworkrepresentationandmodelcompression— Part3:Graphneuralnetwork 2026-04-30发布 2026-11-01实施 国家市场监督管理总局 国家标准化管理委员会发布目 次 前言 Ⅲ ………………………………………………………………………………………………………… 引言 Ⅳ ………………………………………………………………………………………………………… 1 范围 1 ……………………………………………………………………………………………………… 2 规范性引用文件 1 ………………………………………………………………………………………… 3 术语和定义 1 ……………………………………………………………………………………………… 4 缩略语 3 …………………………………………………………………………………………………… 5 图神经网络表示与模型压缩概述 5 ……………………………………………………………………… 6 图数据表示 6 ……………………………………………………………………………………………… 6.1 基本定义 6 …………………………………………………………………………………………… 6.2 图数据类型定义 10 …………………………………………………………………………………… 6.3 图基本运算 11 ………………………………………………………………………………………… 6.4 图基本任务 26 ………………………………………………………………………………………… 7 图神经网络模型 26 ………………………………………………………………………………………… 7.1 模型结构 26 …………………………………………………………………………………………… 7.2 基础算子 30 …………………………………………………………………………………………… 7.3 点级模型 81 …………………………………………………………………………………………… 7.4 边级模型 105 ………………………………………………………………………………………… 7.5 图级模型 112 ………………………………………………………………………………………… 8 图神经网络压缩和加速 119 ……………………………………………………………………………… 8.1 图数据压缩 119 ……………………………………………………………………………………… 8.2 模型量化与剪枝 128 ………………………………………………………………………………… 8.3 模型蒸馏 131 ………………………………………………………………………………………… 8.4 模型加速 137 ………………………………………………………………………………………… 9 图神经网络计算框架 143 ………………………………………………………………………………… 9.1 基于深度学习平台的图神经网络计算框架 143 …………………………………………………… 9.2 图神经网络计算框架与第三方数据源接口 154 …………………………………………………… 参考文献 159 …………………………………………………………………………………………………… ⅠGB/T42382.3—2026前 言 本文件按照GB/T1.1—2020《标准化工作导则 第1部分:标准化文件的结构和起草规则》的规定 起草。 本文件是GB/T42382《信息技术 神经网络表示与模型压缩》的第3部分。GB/T42382已经发 布了以下部分: ———第1部分:卷积神经网络; ———第2部分:大规模预训练模型; ———第3部分:图神经网络。 本文件由全国信息技术标准化技术委员会(SAC/TC28)提出并归口。 本文件起草单位:北京大学、北京邮电大学、华为技术有限公司、蚂蚁金服(杭州)网络技术有限公 司、北京百度网讯科技有限公司、鹏城实验室、吉林大学、西安交通大学、上海图灵天问智能科技有限公 司、中国电子技术标准化研究院、阿里巴巴(中国)有限公司、北京海致星图科技有限公司、北京图数创智 科技有限公司、杭州海康威视数字技术股份有限公司、上海上湖信息技术有限公司、中国科学院自动化 研究所、中科南京人工智能创新研究院、中移动信息技术有限公司、东北大学、深圳市腾讯计算机系统有 限公司、北京交通大学、清华大学、中国联合网络通信有限公司、腾讯科技(深圳)有限公司、中关村视听 产业技术创新联盟。 本文件主要起草人:石川、田永鸿、黄海、任宇翔、张志强、冯仕堃、陈光耀、杨博、裴红斌、刘忠雨、 范深、沈游人、杨成、岳大帅、刘曜齐、耿赛赛、陈均泽、郝健翔、杨晋豫、文思源、张学仓、崔佳旭、王平辉、 李慧园、陈泰乐、曾菊香、何径舟、黄正杰、黄世维、方泽阳、陈泽裕、于佃海、李伟彬、周俊、胡斌斌、韦绍玮、 梁磊、敬斌、张翀、倪铭坚、彭佩玺、张文涛、盛则昂、黎洋、沈彧、杨智、崔斌、孙铭蔚、王鹏、刘洪、杨帆、 邹磊、吴伟、周光煜、方超、陈诚、姜伟浩、王扬、王春平、陈磊、张一帆、赵士云、程健、陈卓、尚晶、李珍、 张岩峰、蒋杰、陶阳宇、欧阳文、孙瑞鸿、耿阳李敖、李清勇、王鑫、朱文武、胡浩基、王化良、胡欣怡、杨雨泽、 鲍薇、郑若琳、沈芷月、杨斌、程新洲、张伟民、赵海英、黄铁军、高文。 ⅢGB/T42382.3—2026引 言 图神经网络已经在推荐系统、知识图谱、智能交通等领域得到广泛应用。基于图神经网络的深度学 习算法及其衍生应用系统在许多图任务上取得了突破性的进展,但是其具体的实现仍然依赖于不同的 算法平台。由于目前没有统一的图神经网络的表示标准,不同的算法平台采用了不同的图神经网络的 表示和存储标准;不同图神经网络框架之间不能互操作与协同工作;图数据和图神经网络模型不能在不 同平台上直接迁移使用;不同图神经网络框架对于图神经网络粒度定义不同,妨碍了硬件厂商对于图神 经网络的加速和优化;对于新出现的算子,框架都需要进行重定义。本文件旨在提供图数据和图神经网 络统一的表示,以及模型算子接口的统一规范参考,提升用户对图神经网络模型的复用效果。对于本文 件规定的表示方法不要求平台原生支持,可以通过转换、工具包等形式进行支持。本文件的定义可转化 为与特定计算设备、框架匹配的形式和实现。GB/T42382旨在确立适用于不同种类神经网络的表示 方法与模型压缩的规范,拟由三个部分组成: ———第1部分:卷积神经网络。目的在于确立适用千卷积神经网络的表示与模型压缩标准。 ———第2部分:大规模预训练模型。目的在于确立适应多种推理平台和计算要求的大规模预训练 模型的基本表示方法与加速压缩过程。 ———第3部分:图神经网络。目的在于确立适应多种计算要求的高效图神经网络模型的基本表示 方法与压缩加速过程。 本文件的发布机构提请注意,声明符合本文件时,可能涉及第6章和第8章与图神经网络表示架 构、神经网络表示框架相关的专利的使用;第7章与基于移位图卷积神经网络骨骼点行为识别技术、基 于自适应时序移位神经网络时序行为识别技术、异质图神经网络生成技术、用于短文本的分类技术、基 于多通路图卷积神经网络的对象分类技术、基于图卷积网络模型的信息预测技术、套现用户检测技术、 基于异质图神经网络的节点处理技术、基于统一优化目标框架图神经网络的数据分类技术、基于异质信 息网络表示的推荐技术、基于元路径引导嵌入的查询推荐技术、图节点关系表征生成和图节点业务关系 预测技术相关的专利的使用;第9章与基于图数据采样方法和系统技术相关的专利的使用。 本文件的发布机构对于该专利的真实性、有效性和范围无任何立场。 该专利持有人已向本文件的发布机构承诺,他愿意同任何申请人在合理且无歧视的条款和条件 下,就专利授权许可进行谈判。该专利持有人的声明已在本文件的发布机构备案,相关信息可以通过以 下联系方式获得: 专利持有人:北京大学 地址:北京市海淀区颐和园路5号; 专利持有人:北京邮电大学 地址:北京市海淀区西土城路10号; 专利持有人:支付宝(杭州)信息技术有限公司 地址:浙江省杭州市西湖区西溪路569号蚂蚁A空间; 专利持有人:深圳市腾讯计算机系统有限公司 地址:广东省深圳市南山区腾讯滨海大厦; 专利持有人:中科南京人工智能创新研究院 地址:江苏省南京市创研路266号麒麟人工智能产业园3号楼3楼; 专利持有人:中国科学院自动化研究所 地址:北京市海淀区中关村东路95号; 请注意除上述专利外,本文件的某些内容仍可能涉及专利,本文件的发布机构不承担识别专利的 责任。 ⅣGB/T42382.3—2026信息技术 神经网络表示与模型压缩 第3部分:图神经网络 1 范围 本文件规定了适应多种计算要求的高效图神经网络模型的基本表示方法与压缩加速过程。 本文件适用于各种图神经网络模型的研制、开发、测试评估过程,以及在端云领域的高效应用。 注:对于本文件规定的表示与模型压缩方法不要求机器学习框架原生支持,通过转换、工具包等形式支持。 2 规范性引用文件 本文件没有规范性引用文件。 3 术语和定义 下列术语和定义适用于本文件。 3.1 图神经网络 graphneuralnetwork 用于处理由图数据结构表示数据的神经网络。 注:图神经网络是