تجميع الرسم البياني بالانتباه الذاتي

في السنوات الأخيرة، تم اقتراح طرق متقدمة لتطبيق التعلم العميق على البيانات المهيكلة مثل الرسوم البيانية. بشكل خاص، ركزت الدراسات على تعميم شبكات العصبونات التلافيفية إلى بيانات الرسم البياني، والتي تشمل إعادة تعريف عمليات التلافيف والتخفيض (الجمع) للرسوم البيانية. لقد أثبتت طريقة تعميم عملية التلافيف إلى الرسوم البيانية أنها تحسن الأداء وتُستخدم على نطاق واسع. ومع ذلك، لا يزال تطبيق عملية التخفيض على الرسوم البيانية صعبًا ويوجد مجال للتحسين. في هذا البحث، نقترح طريقة جمع للرسوم البيانية تعتمد على الانتباه الذاتي. استخدام الانتباه الذاتي مع التلافيف الرسمية يسمح لطريقة جمعنا بأخذ خصائص العقد (nodes) وبنية الرسم البياني (topology) بعين الاعتبار. لضمان مقارنة عادلة، تم استخدام الإجراءات التدريبية والهياكل النموذجية نفسها لكل من طرق الجمع الموجودة وطريقة جمعنا. تظهر نتائج التجارب أن طريقة جمعنا تحقق أداءً أفضل في تصنيف الرسوم البيانية على مجموعات البيانات المرجعية باستخدام عدد معقول من المعلمات.