تصنيف الرسوم البيانية باستخدام الانتباه الهيكلي

تصنيف الرسوم البيانية هو مشكلة ذات تطبيقات عملية في مجالات متعددة. لحل هذه المشكلة، يُحسب عادةً عدد من الإحصائيات الرسومية (أي خصائص الرسم البياني) التي تساعد في التمييز بين الرسوم البيانية المختلفة الفئات. عند حساب هذه الخصائص، تُعالج معظم الطرق الحالية الرسم البياني بالكامل. على سبيل المثال، في النهج القائم على "الرسم البياني الصغير" (graphlet-based)، يُعالج الرسم البياني بالكامل للحصول على العدد الكلي للرسوم الفرعية المختلفة أو الرسوم البيانية الفرعية. ومع ذلك، في العديد من التطبيقات الواقعية، قد تكون الرسوم البيانية مشوهة (مليئة بالضوضاء)، مع أن الأنماط التمييزية محدودة فقط بمناطق معينة داخل الرسم البياني. في هذه الدراسة، ندرس مشكلة تصنيف الرسوم البيانية القائمة على الانتباه (attention-based graph classification). يُتيح استخدام الانتباه التركيز على أجزاء صغيرة ولكنها مفيدة من الرسم البياني، وتجنب الضوضاء الموجودة في باقي الرسم البياني. نقدم نموذجًا جديدًا يعتمد على الشبكة العصبية التكرارية (RNN)، يُسمى نموذج الانتباه على الرسم البياني (Graph Attention Model - GAM)، والذي يعالج جزءًا فقط من الرسم البياني من خلال اختيار تسلسل تكيفي من "العقد المفيدة". أظهرت النتائج التجريبية على عدة مجموعات بيانات واقعية أن الطريقة المقترحة تنافس بفعالية طرقًا معروفة مختلفة في تصنيف الرسوم البيانية، رغم أن طريقة لدينا محدودة فقط بجزء من الرسم البياني.