معالجة التنوع في تصنيف العقد باستخدام شبكات الحالة الصدى الرسومية

تُعالَج مهام تصنيف العقد في الرسوم البيانية من خلال نماذج تمرير الرسائل العميقة المدربة بالكامل، والتي تتعلم هرمًا من تمثيلات العقد عبر عمليات تجميع متعددة لجوار العقد. بينما تكون هذه الطريقة فعالة في الرسوم البيانية التي تظهر نسبة عالية من الحواف داخل الفئة، فإنها تواجه تحديات في الحالة المعاكسة، أي التباين (heterophily)، حيث تكون العقد التابعة لنفس الفئة عادةً أبعد عن بعضها البعض. في الرسوم البيانية ذات درجة عالية من التباين، لا تعد التمثيلات الملساء المستندة إلى الجيران الأقرب التي يتم حسابها بواسطة النماذج التلافيفية فعالةً بعد الآن. حتى الآن، تم اقتراح تغييرات معمارية في نماذج تمرير الرسائل لتقليل التسوية الزائدة أو إعادة ربط الرسم البياني المدخل لتحسين تمرير الرسائل على مدى أطول. في هذا البحث، نعالج تحديات الرسوم البيانية ذات التباين العالي باستخدام شبكة حالة الصدى للرسم البياني (Graph Echo State Network - GESN) لتصنيف العقد. يُعد GESN نموذجًا للحساب الاحتياطي للرسوم البيانية، حيث يتم حساب غرز العقد بشكل متكرر بواسطة دالة تمرير رسائل غير مدربة. أظهرت تجاربنا أن نماذج الحساب الاحتياطي قادرة على تحقيق دقة أفضل أو مماثلة مقارنة بأغلب النماذج العميقة المدربة بالكامل التي تنفذ تعديلات خاصة في الانحياز المعماري أو تقوم بإعادة الربط كخطوة معالجة أولية على الرسم البياني المدخل، مع وجود تحسين فيما يتعلق بتبادل الكفاءة والدقة. بالإضافة إلى ذلك، أظهرت تحليلاتنا أن GESN قادر على кодة العلاقات الهيكلية لعقدة الرسم البياني بكفاءة، وذلك من خلال إظهار علاقة بين دورات الدالة المتكررة للغرز والانتشار المسارات الأقصر في الرسم البياني.