الرمز ليس علاجًا: تمرير الرسائل من متعددات إلى متعددات لتعلم على الرسوم البيانية غير المتجانسة

حصلت الشبكات العصبية الرسومية (GNNs) على اهتمام كبير كأداة قوية للنمذجة والاستنتاج، خاصةً في البيانات ذات البنية الرسومية المتميزة بالانجذاب الشبيه (homophilic). ولتمكين الشبكات العصبية الرسومية من الأداء الجيد في الرسومات غير المتميزة (heterophilic)، حيث تُظهر العقد المجاورة تسميات أو خصائص مختلفة، تم اعتماد طريقة تمرير الرسائل الموقعة (Signed Message Passing - SMP) على نطاق واسع. ومع ذلك، تفتقر SMP إلى تحليل نظري وتجريبي شامل حول حدودها. في هذا العمل، نكشف عن بعض المخاطر المحتملة المرتبطة بـ SMP، ونقدم حلولًا لذلك. نحدد أولًا قيودين رئيسيين لـ SMP: تحديث غير مرغوب فيه للتمثيلات في الجيران متعددي الخطوات (multi-hop neighbors)، وحساسية عالية لمشكلة التمويه الزائد (oversmoothing). ولتجاوز هذه التحديات، نقترح دالة تمرير رسائل جديدة تُسمى "الشبكة العصبية الرسومية من مجموعة إلى مجموعة" (Multiset to Multiset GNN - M2M-GNN). تُظهر التحليلات النظرية والتجارب الواسعة أن M2M-GNN تُخفف بشكل فعّال من القيود المذكورة أعلاه، وتحقيق أداءً متفوقًا مقارنةً بالطرق التقليدية.