RWR-GAE: التسوية بالمشي العشوائي لمحودثات الرسم البياني التلقائية

ترجمة النص إلى اللغة العربية:أصبحت تمثيلات العقد (node embeddings) تقنية شائعة لتمثيل بيانات الرسم البياني في فضاء منخفض الأبعاد. وقد تم اقتراح ترميزات الرسم البياني التلقائية (graph autoencoders)، كواحدة من النماذج العميقة الأكثر استخدامًا، لتعلم تمثيلات الرسم البياني بطريقة غير مراقبة عن طريق تقليل خطأ إعادة بناء بيانات الرسم البياني. ومع ذلك، فإن خسارة إعادة البناء تتجاهل توزيع التمثيل الخفي (latent representation)، مما يؤدي إلى تمثيلات رديئة الجودة. لحل هذه المشكلة، نقترح طريقة تعتمد على المشي العشوائي (random walk) لتقييد التمثيلات التي يتعلمها المُشفِّر (encoder). نوضح أن التعزيز الجديد المقترح يتفوق بشكل كبير على النماذج الحالية الأكثر تقدمًا بمعدل يصل إلى 7.5٪ في مهمة تجميع العقد (node clustering)، ويحقق دقةً متطورة على مستوى الحالة الفنية الحالية في مهمة التنبؤ بالروابط (link prediction) لثلاثة قواعد بيانات قياسية هي Cora و CiteSeer و PubMed. يمكن الوصول إلى الكود عبر الرابط: https://github.com/MysteryVaibhav/DW-GAE.هذه الترجمة تحافظ على الدقة والأسلوب الرسمي للنص الأصلي مع مراعاة عادات اللغة العربية في التعبير والتركيب الجملي.