انتقال الرسائل
Message Passing
آلية تحسب فيها كل عقدة رسائل من جيرانها وتجمعها لتحدّث تمثيلها، طبقة بعد طبقة.
الشرح
صاغ Gilmer وزملاؤه إطار MPNN الذي يوحّد كثيراً من نماذج GNN في ثلاث دوال: الرسالة والتجميع والتحديث. بعد طبقة واحدة تعرف العقدة جيرانها المباشرين، وبعد طبقتين جيران جيرانها، وهكذا. هذا يفسّر لماذا يكفي عدد قليل من الطبقات في أغلب الرسوم.
المعادلة
h_i^{(l+1)}=\gamma\!\left(h_i^{(l)},\ \bigoplus_{j\in\mathcal{N}(i)}\phi\!\left(h_i^{(l)},h_j^{(l)},e_{ij}\right)\right)شرح الرموز
- φ: دالة الرسالة
- ⊕: التجميع
- γ: دالة التحديث
- e_ij: خصائص الرابط
جرّبه في: مختبر انتقال الرسائل
المراجع
- Gilmer, J., Schoenholz, S. S., Riley, P. F., Vinyals, O., & Dahl, G. E. (2017). Neural Message Passing for Quantum Chemistry. International Conference on Machine Learning (ICML). arXiv: 1704.01212صاغت إطار Message Passing Neural Networks (MPNN) الذي يوحّد كثيراً من نماذج GNN.
- Hamilton, W. L. (2020). Graph Representation Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, Morgan & Claypool. DOI: 10.2200/S01045ED1V01Y202009AIM046كتاب تعليمي شامل في تمثيل الرسوم وانتقال الرسائل.
