شبكة عصبية رسمية على شكل كبسولة

تم تطبيق التمثيلات العقدية عالية الجودة التي تم تعلّمها من الشبكات العصبية الرسومية (GNNs) على طيف واسع من التطبيقات القائمة على العقد، حيث حققت بعضها أداءً من الدرجة الأولى (SOTA). ومع ذلك، عند استخدام التمثيلات العقدية المستمدة من GNNs لتكوين تمثيلات للرسوم البيانية (graph embeddings)، قد لا يكون التمثيل العددي للعقدة كافيًا لحفظ خصائص العقدة/الرسم البياني بكفاءة، مما يؤدي إلى تمثيلات رسومية غير مثلى.مُلهمين بفكرة الشبكة العصبية الكبسولة (CapsNet)، نقترح نموذجًا جديدًا يُسمى الشبكة العصبية الرسومية الكبسولية (CapsGNN)، والذي يستخدم مفهوم الكبسولات لمعالجة الضعف الموجود في الخوارزميات الحالية لتمثيل الرسومات القائمة على GNN. من خلال استخلاص ميزات العقد على شكل كبسولات، يمكن استخدام آلية التوجيه (routing mechanism) لالتقاط المعلومات المهمة على مستوى الرسم البياني. وبذلك، يُنتج نموذجنا تمثيلات متعددة لكل رسم بياني، بهدف التقاط خصائص الرسم البياني من جوانب مختلفة. كما يُستخدم وحدة الانتباه (attention module) المدمجة في CapsGNN للتعامل مع الرسوم البيانية ذات الأحجام المتنوعة، مما يمكّن النموذج من التركيز على الأجزاء الحاسمة في الرسوم البيانية.أظهرت تقييماتنا الواسعة على 10 مجموعات بيانات ذات هيكل رسومي أن CapsGNN يتمتع بآلية قوية تعمل على اكتشاف الخصائص الشاملة (الماكروسكوبية) للرسم البياني بالاعتماد على البيانات. وقد تفوق على تقنيات الدرجة الأولى الأخرى في مهام تصنيف الرسوم البيانية المختلفة، بفضل الأداة الجديدة التي يوفرها.