VQ-GNN: إطار شامل لتوسيع نطاق شبكات الرسم البياني العصبية باستخدام التكمية المتجهية

معظم شبكات العصبونات الرسومية المتطورة (GNNs) يمكن تعريفها كشكل من أشكال التفويض الرسومي، والذي يمكن تحقيقه عن طريق تمرير رسائل بين الجيران المباشرين أو ما يتجاوزهم. لتوسيع نطاق هذه الشبكات العصبونية الرسومية إلى الرسوم البيانية الكبيرة، تم اقتراح تقنيات مختلفة للعينة من الجيران، الطبقات، أو الفروع الرسومية لتخفيف مشكلة "انفجار الجيران" من خلال النظر فقط في مجموعة صغيرة من الرسائل المرسلة إلى العقد في دفعة صغيرة. ومع ذلك، فإن الطرق القائمة على العينة تكون صعبة التطبيق على شبكات العصبونات الرسومية التي تستفيد من السياق البعيد أو العالمي في كل طبقة، وتظهر أداءً غير مستقر لمختلف المهام والقواعد البيانات، ولا تسريع استدلال النموذج. نقترح نهجًا مبدئيًا ومختلفًا جوهريًا، وهو VQ-GNN، إطار شامل لتوسيع نطاق أي شبكات عصبونية رسومية قائمة على التفويض باستخدام التكميم المتجهي (VQ) دون المساس بالأداء. بخلاف التقنيات القائمة على العينة، يمكن لنهجنا الحفاظ فعليًا على جميع الرسائل المرسلة إلى دفعة صغيرة من العقد عن طريق تعلم وتحديث عدد صغير من المتجهات المرجعية المتكممة للتمثيلات العالمية للعقد باستخدام VQ داخل كل طبقة من طبقات GNN. يتجنب إطارنا مشكلة "انفجار الجيران" في شبكات العصبونات الرسومية باستخدام التمثيلات المتكممة مع إصدار ذو رتبة منخفضة للمصفوفة التفويضية للرسم البياني. نوضح أن مثل هذا الإصدار الضيق ذي الرتبة المنخفضة للمصفوفة التفويضية الهائلة كافٍ نظريًا وتجريبيًا. بالإضافة إلى VQ، قمنا بتصميم خوارزمية تمرير رسائل تقريبية جديدة وقاعدة انتشار عكسي غير بسيطة لإطارنا. تُظهر التجارب على أنواع مختلفة من أساسيّات GNN قابلية توسيع نطاق إطارنا وأدائه التنافسي في معايير تصنيف العقد وتنبؤ الروابط في الرسوم البيانية الكبيرة.