StarGraph: التعلم المستند إلى تمثيل المعرفة باستخدام الرسم البياني الجزئي ذو الخطوتين الناقص

خوارزميات التعلم التقليدية للتمثيلات في الرسوم البيانية للمعرفة (KG) تقوم بربط كل كيان بمتجه تمثيلي فريد، مما يتجاهل المعلومات الغنية الموجودة في الجوار. نقترح طريقة تُسمى StarGraph، والتي تقدم طريقة جديدة لاستخدام معلومات الجوار في الرسوم البيانية للمعرفة ذات الحجم الكبير للحصول على تمثيلات الكيانات. أولاً، يتم إنشاء جزء من الرسم البياني غير الكامل للجوار ذو الخطوتين لكل عقدة مستهدفة، ثم معالجته بواسطة شبكة انتباه ذاتي معدلة للحصول على التمثيل الكياني، الذي يستخدم كبديل لمتجه التمثيل الكياني في الطرق التقليدية. حققنا أفضل الأداء (SOTA) على مجموعة بيانات ogbl-wikikg2 وحصلنا على نتائج تنافسية على مجموعة بيانات fb15k-237. تثبت النتائج التجريبية أن StarGraph فعّالة من حيث المعلمات، وأن التحسين الذي أجريناه على ogbl-wikikg2 يظهر فعاليتها الكبيرة في التعلم التمثيلي للرسوم البيانية للمعرفة ذات الحجم الكبير. يمكن الحصول على الكود الآن من الرابط \url{https://github.com/hzli-ucas/StarGraph}.