GNN المرتبة: ترتيب تمرير الرسائل للتعامل مع التمايز والتفريغ الزائد

تتبع معظم الشبكات العصبية الرسومية آلية تمرير الرسائل. ومع ذلك، تواجه هذه الآلية مشكلة التسطيح الزائد عند تطبيق تمرير الرسائل عدة مرات على الرسم البياني، مما يؤدي إلى تمييز غير ممكن بين تمثيلات العقد ويعيق نموذج التعلم الفعّال للعلاقات بين العقد البعيدة. من ناحية أخرى، من المرجح أن تُخلط الخصائص الخاصة بالعقد المجاورة ذات التصنيفات المختلفة، مما يسبب مشكلة التمايز غير المتجانس (heterophily). في هذا العمل، نقترح ترتيب تمرير الرسائل إلى تمثيل العقدة، من خلال تخصيص كتل معينة من الخلايا العصبية لتمرير الرسائل ضمن عدد محدد من الخطوات (hops) محددة. يتم ذلك من خلال محاذاة هيكل الشجرة المُحَدَّدة (rooted-tree) للعقدة المركزية مع الترتيب المتسلسل للخلايا العصبية في تمثيل العقدة. أظهرت النتائج التجريبية على مجموعة واسعة من المجموعات البيانات أن نموذجنا يمكنه تحقيق الأداء الأفضل على مستوى التقنيات الحالية في كلا البيئتين – التمايز المتجانس (homophily) والغير متجانس (heterophily) – دون الحاجة إلى تصميم مخصص. علاوةً على ذلك، تظل أداء النموذج ممتازًا حتى عند زيادة عمق النموذج بشكل كبير، مما يمنع بشكل فعّال مشكلة التسطيح الزائد. وأخيرًا، من خلال تصور متجهات التحكم (gating vectors)، تبين أن النموذج يتعلم التصرف بشكل مختلف في البيئات المتجانسة مقابل غير المتجانسة، مما يوفر نموذجًا مُفسّرًا للشبكات العصبية الرسومية.