شبكة عصبية رسمية بسيطة وقابلة للتوسع للرسوم البيانية الكبيرة ذات الاتجاه

تصنيف العقدة هو واحدة من أكثر المهام حرارة في تحليل الرسوم البيانية. وعلى الرغم من أن الدراسات الحالية استعرضت تمثيلات متعددة للعقد في الرسوم البيانية الموجهة وغير الموجهة، إلا أنها قد أهملت الفروقات في قدرتها على التقاط معلومات الرسوم البيانية. وللتغلب على هذا التحدي، نقوم بدراسة مختلف التوليفات بين تمثيلات العقد (الميزات المجمعة مقابل قوائم المجاورة) ووعي الاتجاه الحافة داخل الرسم البياني المدخل (موجه مقابل غير موجه). ونقدم أول دراسة تجريبية تُقيّم أداء مختلف نماذج الشبكات العصبية الرسومية (GNNs) التي تعتمد على أي من هذه التوليفات بين تمثيلات العقد ووعي اتجاه الحواف. تُظهر تجاربنا أن لا توليفة واحدة تحقق نتائج متفوقة بشكل مستقر عبر جميع المجموعات البيانات، مما يشير إلى ضرورة اختيار التوليفة المناسبة وفقًا لخصائص كل مجموعة بيانات. استجابةً لذلك، نقترح طريقة تصنيف بسيطة لكنها شاملة تُسمى A2DUG، والتي تستفيد من جميع التوليفات الممكنة لتمثيلات العقد في الرسوم البيانية الموجهة وغير الموجهة. ونُظهر أن A2DUG تُظهر أداءً مستقرًا وقويًا على مختلف المجموعات البيانات، وتحسّن الدقة بنسبة تصل إلى 11.29% مقارنة بالأساليب المتطورة حديثًا. ولتحفيز تطوير أساليب جديدة، نُطلق كودنا الكامل للجمهور تحت ترخيص MIT.