تمديد الشبكة الرسومية ذات الوعي بالعلاقة تلقائيًا

لقد أثار البحث التلقائي في هندسة الشبكات الرسومية اهتمامًا كبيرًا نظرًا للقدرة الاستدلالية القوية التي أظهرتها الشبكات العصبية الرسومية (GNNs) في العديد من المهام المتعلقة بالعلاقة. ومع ذلك، فإن فضاء البحث الحالي للرسومات يبالغ في التركيز على تعلم سمات العقد، ويتجاهل استكشاف المعلومات العلاقة الهرمية. علاوةً على ذلك، نظرًا لتنوع الآليات في عملية نقل الرسائل، فإن فضاء البحث الرسومي أضخم بكثير من فضاء البحث في الشبكات العصبية التلافيفية (CNNs)، مما يعيق تطبيق الاستراتيجيات التقليدية للبحث بشكل مباشر لاستكشاف فضاء رسومي معقد. نقترح طريقة تُسمى "الانتشار التلقائي للشبكة العصبية ذات الوعي بالعلاقة" (ARGNP) لاستكشاف الشبكات العصبية الرسومية بكفاءة، باستخدام آلية لنقل الرسائل موجهة بالعلاقة. بشكل محدد، نحن نصمم أولًا فضاء بحث رسومي ثنائي الوعي بالعلاقة، يضم كلاً من عمليات تعلم العقد والعلاقات. يمكن لهذه العمليات استخراج المعلومات الهرمية حول العقد والعلاقات، وتقديم توجيه غير متجانس لعملية نقل الرسائل في الرسم البياني. ثانيًا، على غرار انقسام الخلايا، نصمم نموذجًا لبحث الانقسام الشبكي، لتحديد هياكل الشبكات العصبية الرسومية بشكل تدريجي من خلال تنفيذ متكرر لتقسيم الشبكة وتمايزها. أظهرت التجارب على ستة مجموعات بيانات لمهام أربع للتعلم الرسومي أن الشبكات العصبية الرسومية الناتجة عن طريقنا تفوق الشبكات الحالية ذات التصميم اليدوي أو المبنية على البحث. يمكن الوصول إلى الشيفرة المصدرية عبر الرابط: https://github.com/phython96/ARGNP.