نمذجة البيانات العلائقية باستخدام شبكات الت". Correction: نمذجة البيانات العلائقية باستخدام شبكات التجميع الرسومية

تُمكّن الرسوم البيانية المعرفية مجموعة متنوعة من التطبيقات، بما في ذلك الإجابة على الأسئلة واسترجاع المعلومات. وعلى الرغم من الجهود الكبيرة التي بُذلت في إنشائها وصيانتها، فإن حتى أكبر هذه الرسوم البيانية (مثل Yago، DBPedia أو Wikidata) تظل غير كاملة. نقدم شبكات التحويل الرسمية العلائقية (R-GCNs) ونطبقها على مهامين قياسيتين لإكمال قاعدة المعرفة: التنبؤ بالروابط (استعادة الحقائق الناقصة، أي ثلاثيات الموضوع-المبرهنة-الهدف) تصنيف الكيانات (استعادة السمات الناقصة للكيانات). ترتبط شبكات R-GCN بفئة حديثة من الشبكات العصبية تعمل على الرسوم البيانية، وقد تم تطويرها بشكل خاص لمعالجة البيانات ذات العلاقات المتعددة للغاية التي تميز قواعد المعرفة الواقعية. نوضح فعالية شبكات R-GCN كنموذج مستقل لتصنيف الكيانات. كما نظهر أن نماذج التحليل العامل مثل DistMult يمكن تحسينها بشكل كبير بإثرائها بنموذج مشفِّر لتجميع الأدلة عبر عدة خطوات استدلال في الرسم البياني العلائقي، مما يدل على تحسن كبير بنسبة 29.8% على FB15k-237 مقارنة بالنموذج القائم على المفكِّك فقط.