GraphRARE: شبكة عصبية رسمية تعززت بالتعلم المعزز مع الانتروبي النسبي
أظهرت الشبكات العصبية الرسومية (GNNs) مزاياها في المهام التحليلية القائمة على الرسوم البيانية. ومع ذلك، فإن معظم الطرق الحالية تعتمد على افتراض التجانس، وتُظهر أداءً ضعيفًا في الرسوم البيانية غير المتجانسة (heterophilic graphs)، حيث تكون العقد المرتبطة ببعضها البعض ذات خصائص مختلفة وعلامات فئوية مختلفة، وقد تكون العقد ذات العلاقة الدلالية على بعد متعدد الخطوات. لمعالجة هذه القيود، تقدم هذه الورقة إطار عمل عام يُسمى GraphRARE، مبني على الانتروبيا النسبية للعقدة والتعلم التعميقي بالاعتماد على التعلم التفاعلي، بهدف تعزيز القدرة التعبيرية للشبكات العصبية الرسومية. ويُستخدم انتروبيا نسبية للعقدة مبتكرة، تأخذ بعين الاعتبار الخصائص المميزة للعقدة والتشابه البنائي، لقياس المعلومات المتبادلة بين أزواج العقد. علاوةً على ذلك، لتجنب الحلول غير المثلى الناتجة عن مزج المعلومات المفيدة مع الضوضاء الناتجة عن العقد البعيدة، تم تطوير خوارزمية قائمة على التعلم التعميقي بالاعتماد على التعلم التفاعلي لتحسين البنية الرسومية. تعتمد هذه الخوارزمية على اختيار العقد المفيدة وحذف العقد الضوضائية بناءً على الانتروبيا النسبية المحددة للعقد. أُجريت تجارب واسعة على سبعة مجموعات بيانات واقعية، وأظهرت النتائج التجريبية تفوق GraphRARE في تصنيف العقد وقدرتها على تحسين البنية الرسومية الأصلية.