تبسيط التمثيل التمثيلي للرسم الفرعي للتنبؤ القابل للتوسع بالروابط

تُعدّ مشكلة التنبؤ بالروابط في الرسوم البيانية مشكلة أساسية. وقد حققت أساليب التعلم المبني على تمثيل الأجزاء الفرعية للرسم البياني (SGRLs)، التي تحوّل مسألة التنبؤ بالروابط إلى تصنيف الرسوم البيانية المحيطة بالروابط، أداءً متفوقًا على المستوى الحدّي في مجال التنبؤ بالروابط. ومع ذلك، تُعدّ أساليب SGRLs مكلفة من حيث الحسابات، ولا تصلح للتوسع على الرسوم البيانية الكبيرة جدًا نظرًا للعمليات الفرعية للرسم البياني المكلفة. ولتمكين التوسع في أساليب SGRLs، نقترح فئة جديدة من أساليب SGRLs، نسميها SGRL المُبسّط القابل للتوسع (S3GRL). وتهدف S3GRL إلى تسريع التدريب والاستنتاج، من خلال تبسيط عمليات نقل الرسائل وعمليات التجميع في كل جزء فرعي يحيط بالرابطة. وبصفتها إطارًا للتوسع، تُتيح S3GRL دعمًا لمختلف استراتيجيات أخذ العينات من الأجزاء الفرعية والمشغلات التبادلية (diffusion operators) لتقلّد أداء أساليب SGRL المكلفة حسابيًا. ونقدّم عدة أمثلة على S3GRL وندرسها تجريبيًا على رسوم بيانية صغيرة إلى كبيرة. وتبين تجاربنا الواسعة أن نماذج S3GRL المقترحة تُمكّن من توسيع نطاق أساليب SGRL دون التضحية بشكل كبير بالأداء (وحتى بتحقيق مكاسب ملحوظة في بعض الحالات)، مع توفير أثر حسابي أقل بكثير (مثل تسريع متعدد الأضعاف في الاستنتاج والتدريب).