المتحول الرسومي المستند إلى الطوبولوجيا

لقد ثورة النماذج التحويلية (Transformers) في أداء معالجة اللغة الطبيعية ورؤية الحاسوب، مما فتح الباب أمام دمجها مع شبكات الأعصاب الرسومية (Graph Neural Networks - GNNs). ومن بين التحديات الرئيسية لتعزيز أداء المتحولات الرسومية هو تعزيز قوتها التمييزية في تمييز تطابقات الرسوم البيانية، وهو ما يلعب دورًا حاسمًا في تحسين أدائها التنبؤي. لمواجهة هذا التحدي، نقدم "المتحول الرسومي المستند إلى الطوبولوجيا (Topology-Informed Graph Transformer - TIGT)"، وهو نموذج تحويلي جديد يعزز القوة التمييزية في الكشف عن تطابقات الرسوم البيانية وأداء المتحولات الرسومية بشكل عام. يتكون TIGT من أربعة مكونات: طبقة تضمين الموضع الطوبولوجي التي تستخدم أغلفة عالمية غير متطابقة مستندة إلى الدوال المتكررة في الرسوم البيانية لضمان تمثيل فريد للرسم البياني؛ طبقة مرور رسائل ثنائية المسار لترميز الخصائص الطوبولوجية بوضوح عبر طبقات المُشفر؛ آلية انتباه عالمي؛ وطبقة معلومات الرسم البياني لإعادة ضبط الخصائص الرسمية حسب القنوات لتحقيق تمثيل أفضل للخصائص. يتفوق TIGT على المتحولات الرسومية السابقة في تصنيف مجموعة بيانات صناعية مصممة لتمييز فئات التطابق للرسوم البيانية. بالإضافة إلى ذلك، تؤكد التحليلات الرياضية والتقييمات التجريبية على أن نموذجنا يتمتع بميزة تنافسية على أحدث المتحولات الرسومية عبر مختلف مجموعات البيانات المرجعية.