الشبكات العصبية الرسومية التوافقية متعددة العلاقات القائمة على التركيب

أظهرت الشبكات التلافيفية الرسومية (GCNs) مؤخرًا نجاحًا كبيرًا في نمذجة البيانات ذات الهيكل الرسومي. ومع ذلك، كان التركيز الأساسي يُركّز على التعامل مع الرسومات البسيطة غير الموجهة. أما الرسومات متعددة العلاقات فهي شكل أكثر شمولاً وانتشارًا للرسومات، حيث يكون لكل حافة تسمية واتجاه مرتبط بها. تعاني معظم الطرق الحالية للتعامل مع هذه الرسومات من مشكلة التفاصيل الزائدة (over-parameterization) وتقتصر على تعلم تمثيلات العقد فقط. في هذه الورقة، نقترح CompGCN، وهي إطار جديد للشبكات التلافيفية الرسومية، يُدمج بشكل مشترك بين تمثيل العقد والعلاقات في الرسم البياني العلاقاتي. تعتمد CompGCN على مجموعة متنوعة من عمليات التكوين بين الكيانات والعلاقات المستمدة من تقنيات تمثيل الرسوم المعرفية (Knowledge Graph Embedding)، وتُ-scalable حسب عدد العلاقات. كما أنها تعمم عدة طرق حالية للشبكات التلافيفية الرسومية متعددة العلاقات. قمنا بتقييم الطريقة المقترحة على مهام متعددة مثل تصنيف العقد، وتنبؤ الروابط، وتصنيف الرسوم، وحققنا نتائج متفوقة بشكل ملحوظ. ونُعلن عن توفر الشفرة المصدرية لـ CompGCN لتشجيع البحث القابل للتكرار.