تعظيم المعلومات المتبادلة في شبكات العصبونات الرسومية

تم تطوير مجموعة متنوعة من الإطارات العصبية الرسومية (GNNs) لأجل التعلم التمثيلي على الرسوم البيانية مؤخرًا. تعتمد هذه الإطارات على مخطط التجميع والتكرار لتعلم تمثيل العقد. ومع ذلك، فإن المعلومات بين العقد تضيع حتماً خلال عملية التعلم في هذا المخطط. من أجل تقليل هذا الضياع، نوسع الإطارات العصبية الرسومية بدراسة مفهوم المعلومات المتبادلة في طريقة التجميع والتكرار. نقترح نهجًا جديدًا لتوسيع الجوار الطبيعي في عملية التجميع للشبكات العصبية الرسومية، والذي يهدف إلى تحقيق أقصى قدر من المعلومات المتبادلة. استنادًا إلى سلسلة من التجارب التي أجريت على عدة مجموعات بيانات مرجعية، نظهر أن النهج المقترح يحسن الأداء الرائد في أربع فئات من مهمات الرسم البياني، بما في ذلك تصنيف الرسوم البيانية تحت الإشراف الكامل والجزئي، تنبؤ الروابط في الرسم البياني وتكوين وإعادة تصنيف الحواف.请注意，"GNNs" 在阿拉伯语中被翻译为 "الشبكات العصبية الرسومية" (shabakat al-'asabiyya al-risumiyya)，而 "mutual information" 被翻译为 "المعلومات المتبادلة" (al-ma'lumat al-mutabadilah)。这些术语在科技文献中较为通用。