GCN – الشبكة الالتفافية البيانية
Graph Convolutional Network (2017)
كل عقدة تأخذ متوسطاً موزوناً لتمثيلات جيرانها ونفسها (بأوزان تعتمد على الدرجات)، ثم تطبق تحويلاً خطياً مشتركاً ولاخطية. تكرار ذلك يعني رؤية جيران أبعد.
الحدس
كل عقدة تأخذ متوسطاً موزوناً لتمثيلات جيرانها ونفسها (بأوزان تعتمد على الدرجات)، ثم تطبق تحويلاً خطياً مشتركاً ولاخطية. تكرار ذلك يعني رؤية جيران أبعد.
الشرح التفصيلي
تُشتق الطبقة من ChebNet بأخذ K = 1 وتقريب λ_max ≈ 2 ومعامل واحد، ثم «حيلة إعادة التطبيع» بإضافة الحلقات الذاتية قبل التطبيع المتماثل. النتيجة ضرب في مصفوفة جوار مطبّعة Â ثم ضرب في مصفوفة أوزان. التطبيع المتماثل يخفض رسائل العقد عالية الدرجة ويبقي القيم الذاتية محدودة.
النموذج الكلاسيكي طبقتان مع Dropout وL2 ويُدرَّب على عقد قليلة موسومة بينما يمر الانتشار على الرسم كله. وهو مرشح تمرير منخفض، فينجح في الرسوم المتجانسة ويعاني من التنعيم المفرط مع العمق ومن عدم التجانس.
البنية المعمارية
GCNConv(F→16) ← ReLU ← Dropout ← GCNConv(16→C) ← Softmax.
المعادلات
H^{(l+1)}=\sigma\!\left(\tilde{D}^{-\frac12}\tilde{A}\tilde{D}^{-\frac12}H^{(l)}W^{(l)}\right)نقاط القوة
- بسيطة وسريعة ومعاملاتها قليلة
- خط أساس قوي في الرسوم المتجانسة
- تفسير طيفي واضح
القيود
- أوزان الجيران ثابتة لا تعتمد على المحتوى
- تنعيم مفرط مع العمق
- ضعيفة في عدم التجانس
- تمييزها أقل من 1-WL بسبب التجميع المطبّع
التعقيد الحسابي
O(|E|·F + n·F·F′) لكل طبقة.
متى تستخدمه
أول نموذج تجربه لتصنيف العقد في رسم متجانس، ومشفّر افتراضي في GAE.
التنفيذ في PyTorch Geometric
torch_geometric.nn.GCNConvشيفرة توضيحية للاستخدام المعتاد؛ راجع توثيق إصدار المكتبة الذي تستخدمه قبل تشغيلها.
تابع التعلّم
نماذج مرتبطة
دروس تشرحه
المراجع
- Kipf, T. N., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR). arXiv: 1609.02907الورقة الأصلية لـ GCN ومصدر التطبيع المتماثل للمصفوفة.
