شبكة عصبية رسمية تعتمد على الانتباه لتعلم البنيات المتنوعة

في هذا البحث، نركز على تعلم تمثيل الرسم البياني للشبكة المعلوماتية المتنوعة (HIN)، حيث يتم ربط أنواع مختلفة من الرؤوس بعلاقات متنوعة. معظم الطرق الموجودة التي تُطبق على HIN تقوم بتعديل نماذج التضمين الرسومية المتجانسة عبر المسارات الفوقية (meta-paths) لتعلم فضاء المتجهات ذات الأبعاد المنخفضة للشبكة المعلوماتية المتنوعة. في هذا البحث، نقترح طريقة جديدة تُعرف باسم شبكة العصبونات الهيكلية الانتباهية المتنوعة (HetSANN) لترميز المعلومات الهيكلية للشبكة المعلوماتية المتنوعة مباشرة دون استخدام المسارات الفوقية، مما يحقق تمثيلات أكثر إفادة. باستخدام هذه الطريقة، لن يكون الخبراء في المجال بحاجة إلى تصميم مخططات المسارات الفوقية، ويمكن معالجة المعلومات المتنوعة بشكل آلي بواسطة النموذج المقترح لدينا. تحديداً، نمثل المعلومات المتنوعة بشكل ضمني باستخدام الطريقتين التاليتين: 1) نقوم بتقديم تحويل بين الرؤوس غير المتجانسة من خلال الإسقاط في فضاء الكيانات ذي الأبعاد المنخفضة؛ 2) بعد ذلك، نطبق الشبكة العصبية الرسومية لجمع معلومات العلاقات المتعددة للجوار المحاذاة من خلال آلية الانتباه. كما نقدم ثلاثة توسعات لـ HetSANN وهي: انتباه المنتج المشترك للمعامل الثنائية في HIN، وخسارة التوافق الدائري لحفظ التحويل بين فضاءات الكيانات غير المتجانسة، والتعلم متعدد المهام مع الاستفادة الكاملة من المعلومات. أظهرت التجارب التي أجريت على ثلاث قواعد بيانات عامة أن النماذج المقترحة لدينا حققت تحسينات كبيرة ومتسقة مقارنة بالحلول الأكثر تقدماً.请注意，为了保持专业性和准确性，我保留了部分专有名词的英文形式，如"HIN"（异质信息网络）、"HetSANN"（异质图结构注意力神经网络）等。这些术语在首次出现时可以附上阿拉伯语解释，以便读者更好地理解。