تحسين التوزيع يُحسّن التعلّم الرسومي

الانسياب الرسومي يُعدّ العمود الفقري لمعظم الشبكات العصبية الرسومية (GNNs)، وعادةً ما يتم تقريبه باستخدام تبادل الرسائل بين الجيران المباشرين (الذين يبعدون خطوة واحدة). في هذا العمل، نزيل القيود المتعلقة باستخدام الجيران المباشرين فقط من خلال تقديم نوع قوي من الانسياب الرسومي، لكنه مُحدَّد مكانيًا: الانسياب الرسومي للتآكل (GDC). يعتمد GDC على تآكل الرسومات العامة، ومن أمثلة ذلك نواة الحرارة ورتبة باج رانك المخصصة. ويساهم هذا في تخفيف مشكلة الحواف الضوضائية والمعتمدة غالبًا على تعريفات عشوائية في الرسومات الحقيقية. ونُظهر أن GDC مرتبط بشكل وثيق بالنماذج القائمة على الطيف، وبالتالي يجمع بين مزايا المنهجين الفرعيين: الفرعي المكاني (تبادل الرسائل) والفرعي الطيفي. ونُثبت أن استبدال تبادل الرسائل بانسياب التآكل الرسومي يؤدي بشكل متسق إلى تحسينات كبيرة في الأداء عبر مجموعة واسعة من النماذج، سواء في المهام المراقبة أو غير المراقبة، وعلى مختلف مجموعات البيانات. علاوةً على ذلك، لا يقتصر GDC على الشبكات العصبية الرسومية فقط، بل يمكن دمجه بسهولة مع أي نموذج أو خوارزمية تعتمد على الرسومات (مثل التجميع الطيفي) دون الحاجة إلى إجراء أي تغييرات على الأخير أو التأثير على تعقيد حسابه. ويجدر بالذكر أن التنفيذ العملي لهذا العمل متاح عبر الإنترنت.