من افتراض المجموعة إلى التدوير الرسومي: إعادة النظر في التعلم شبه المراقب القائم على الرسومات

التعلم شبه المراقب القائم على الرسوم البيانية (GSSL) كان موضوعًا بحثيًا شائعًا منذ فترة طويلة. تُعد الطرق التقليدية عادةً من نوع المتعلمين السطحيين، وتستند إلى افتراض التجميع. في الآونة الأخيرة، أصبحت الشبكات العصبية التلافيفية للرسوم البيانية (GCNs) التقنيات السائدة بفضل أدائها الواعد. في هذه الورقة، نناقش نظريًا العلاقة بين هذين النوعين من الطرق ضمن إطار تحسين موحد. إحدى النتائج الأكثر إثارة للاهتمام هي أن، على عكس الطرق التقليدية، قد لا تأخذ الشبكات العصبية التلافيفية للرسوم البيانية الشائعة بعين الاعتبار بشكل مشترك بنية الرسم البياني والمعلومات التصنيفية في كل طبقة. مستوحاة من هذا الاكتشاف، نقترح ثلاث طرق تلافيفية للرسوم البيانية بسيطة ولكنها قوية. الأولى هي طريقة مراقبة تُسمى OGC، والتي توجه عملية التلافيف للرسم البياني باستخدام التصنيفات. أما الطريقتان الأخريان فهما طريقتان غير مراقبتين: GGC ونسخة متعددة المقياس منها GGCM، وهما مصممتان لحفظ معلومات بنية الرسم البياني أثناء عملية التلافيف. وأخيرًا، أجرينا تجارب واسعة النطاق لإظهار فعالية الطرق المقترحة.