R-GCN على رسم معرفي أكاديمي
مختبر تصنيف العقدمقارنة نموذج يميز أنواع العلاقات (R-GCN) بنموذج يعاملها كلها سواء (GCN) على رسم معرفي صغير.
شغّل التجربةRelational Graph Convolutional Network (2018)
R-GCN امتداد لـ GCN للرسوم متعددة العلاقات (مثل رسوم المعرفة)، تستخدم مصفوفة أوزان مختلفة لكل نوع علاقة، وتجمع رسائل كل علاقة على حدة.
R-GCN امتداد لـ GCN للرسوم متعددة العلاقات (مثل رسوم المعرفة)، تستخدم مصفوفة أوزان مختلفة لكل نوع علاقة، وتجمع رسائل كل علاقة على حدة.
في رسم المعرفة، «يعمل في» تختلف عن «وُلد في». لو عاملنا كل الروابط بالأوزان نفسها لضاع هذا الفرق. لذلك لكل نوع علاقة تحويل خاص به، وللعقدة تحويل لنفسها.
كل طبقة: W_0 للعقدة نفسها، وW_r لكل علاقة r مطبّعة بعدد جيران تلك العلاقة. لتقليل المعاملات مع كثرة العلاقات تُستخدم التحليلات: Basis Decomposition أو Block-Diagonal.
h_i^{(l+1)}=\sigma\!\left(W_0^{(l)}h_i^{(l)}+\sum_{r\in\mathcal{R}}\sum_{j\in\mathcal{N}_i^{r}}\frac{1}{c_{i,r}}W_r^{(l)}h_j^{(l)}\right)W_r^{(l)}=\sum_{b=1}^{B}a_{rb}^{(l)}V_b^{(l)}c_{i,r}=\left|\mathcal{N}_i^{r}\right|الرسالة W_r h_j وتعتمد على نوع العلاقة؛ التجميع متوسط لكل علاقة ثم جمع عبر العلاقات؛ والتحديث جمع مع W_0 h_i ثم σ.
في رسم معرفي أكاديمي: ورقة «نُشرت في» مؤتمر، و«كتبها» باحث، و«تقتبس» ورقة أخرى. لتصنيف مجال الورقة، تحمل علاقة «نُشرت في» معلومة قوية، ويتعلم R-GCN وزناً خاصاً بها.
الأوزان مرتبطة بأنواع العلاقات لا بالعقد، فتُطبق على كيانات جديدة لها علاقات معروفة.
تُستخدم التحليلات وأخذ العيّنات؛ عدد العلاقات هو التحدي الأكبر عادة.
O(|R|·|E_r|·F·F') تقريباً، وتنخفض بالتحليل بالأساس.
يمكن فحص مساهمة كل علاقة على حدة، وهذا تفسير طبيعي في رسوم المعرفة.
تعميم مباشر لـ GCN: مع علاقة واحدة يعود تقريباً GCN مع وزن ذاتي منفصل. يختلف عن GAT في أن الأوزان تتبع نوع العلاقة لا محتوى العقد.
| البيانات | المقياس | القيمة | الإعداد | المصدر |
|---|---|---|---|---|
| AIFB | الدقة (Accuracy) | 95.83 ± 0.62% | تصنيف الكيانات، تقسيمات Ristoski et al. (2016)، متوسط 10 تشغيلات ± الخطأ المعياري — جدول الملحق 7 | Modeling Relational Data with Graph Convolutional Networks |
| MUTAG (RDF) | الدقة (Accuracy) | 73.23 ± 0.48% | نسخة RDF من MUTAG لتصنيف الكيانات، وليست مجموعة TU لتصنيف الرسوم — جدول الملحق 7 | Modeling Relational Data with Graph Convolutional Networks |
| BGS | الدقة (Accuracy) | 83.10 ± 0.80% | تصنيف الكيانات، 10 تشغيلات ± الخطأ المعياري — جدول الملحق 7 | Modeling Relational Data with Graph Convolutional Networks |
| AM | الدقة (Accuracy) | 89.29 ± 0.35% | تصنيف الكيانات، 10 تشغيلات ± الخطأ المعياري — جدول الملحق 7 | Modeling Relational Data with Graph Convolutional Networks |
هذه أرقام الورقة الأصلية بإعدادها المذكور، وليست نتائج المختبر. نتائجك في المتصفح على بيانات صغيرة لا تُقارن بها مباشرة.
يُدرَّب R-GCN في المختبر على رسم معرفي أكاديمي مصطنع صغير (أوراق ومؤلفون ومؤتمرات بثلاث علاقات) بأوزان كاملة لكل علاقة (دون تحليل بالأساس لصغر الرسم). البيانات مصطنعة ومعلنة.
جارٍ تحميل المختبر التفاعلي…
مقارنة نموذج يميز أنواع العلاقات (R-GCN) بنموذج يعاملها كلها سواء (GCN) على رسم معرفي صغير.
شغّل التجربةالأقسام
لا يوجد قسم بهذا الاسم. اضغط «بحث» للبحث في محتوى الموقع كله.
المفضلة
نتائجي وشهاداتي
تقدّمي في الأكاديميةنتائج اختباراتيتقدّم الأطفالشهادات الأكاديميةشهادات الاختباراتابدأ أي درس أو اختبار وسيظهر هنا لتعود إليه بسرعة.
الإعدادات
أنا مساعد الشبكات العصبية البيانية. اسألني عن مفهوم أو خوارزمية أو مجموعة بيانات، أو اطلب تجربة أو مشروعاً، وسأجيبك من محتوى المختبر مع ذكر المصادر.
يجيب من قاعدة معرفة المختبر فقط، دون نموذج لغوي خارجي ودون إرسال سؤالك إلى أي جهة خارجية.
قد يخطئ المساعد أحياناً، فراجع المصادر المرفقة.