الشبكة التلافيفية الرسمية الموقعة

نظرًا لأن جزءًا كبيرًا من البيانات الحديثة يمكن تمثيله على شكل رسم بياني، ظهرت حاجة إلى تعميم نماذج الشبكات العصبية للبيانات الرسومية. وقد أظهر أحد الاتجاهات الحديثة، التي أثبتت نجاحًا ملحوظًا وتحظى باهتمام متزايد، استخدام الشبكات العصبية التلافيفية للرسوم البيانية (GCNs). وقد أُثبت أن هذه الشبكات تحقق تحسنًا كبيرًا في مجموعة واسعة من المهام المتعلقة بتحليل الشبكات، من أبرزها تعلم تمثيل العقد. وقد أظهرت مهمة تعلم تمثيلات العقد ذات الأبعاد المنخفضة تحسينًا في الأداء على العديد من المهام الأخرى، مثل التنبؤ بالروابط وتصنيف العقد، وتحديد المجتمعات، والتصور البصري. وفي الوقت نفسه، أصبحت الشبكات الموقعة (أو الرسوم البيانية التي تحتوي على روابط موجبة وسالبة) شائعة جدًا مع ازدياد شعبية وسائل التواصل الاجتماعي. ومع ذلك، نظرًا لأن النماذج السابقة للـ GCN ركزت بشكل أساسي على الشبكات غير الموقعة (أو الرسوم البيانية التي تتكون فقط من روابط موجبة)، فإن تطبيقها على الشبكات الموقعة لم يكن واضحًا بسبب التحديات التي تفرضها الروابط السالبة. وتكمن التحديات الأساسية في أن الروابط السالبة تمتلك معنىً دلاليًا مختلفًا عن الروابط الموجبة، إلى جانب اختلاف مبادئها بشكل جوهري، وتكوينها علاقات معقدة مع الروابط الموجبة. ولذلك، نقترح جهدًا مخصصًا ومقترنًا بأسس علمية يستخدم نظرية التوازن (balance theory) لجمع المعلومات ونقلها بشكل صحيح عبر طبقات نموذج الـ GCN الموقّع. ونقوم بتجارب تجريبية مقارنة بين الـ GCN المُقترح والأساليب الحالية المتطورة لتعلم تمثيلات العقد في الشبكات الموقعة. وبشكل أكثر تحديدًا، تتم هذه التجارب على أربع مجموعات بيانات واقعية لمشكلة التنبؤ بعلامة الرابط الكلاسيكية، والتي تُستخدم عادةً كمعيار مرجعي لخوارزميات تمثيل الشبكات الموقعة.