كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

GraphSAGE – المعاينة والتجميع على الرسوم

Graph SAmple and aggreGatE (2017)

تعلّم دالة تولد تمثيل أي عقدة من خصائصها وعيّنة من جيرانها، بدل تعلّم متجه لكل عقدة. هكذا تعمل على عقد ورسوم جديدة.

العائلة: مكانية / انتقال رسائل (Spatial)المهام: تصنيف العقد الاستقرائي، الرسوم الضخمة، التوصية

الحدس

تعلّم دالة تولد تمثيل أي عقدة من خصائصها وعيّنة من جيرانها، بدل تعلّم متجه لكل عقدة. هكذا تعمل على عقد ورسوم جديدة.

vsample S neighboursAGGmean / max / LSTMh_vselfCONCAT · Wσ, ℓ2-norm
GraphSAGE: عيّنة ثابتة الحجم من الجيران، ثم تجميع، ثم دمج مع تمثيل العقدة نفسها.

الشرح التفصيلي

تجمع الطبقة تمثيلات عيّنة ثابتة الحجم من الجيران بمجمّع (متوسط، أو أقصى بعد طبقة خطية، أو LSTM)، وتضمّه إلى تمثيل العقدة، ثم تحويل خطي ولاخطية وتطبيع L2. فصل الذات عن الجيران يحفظ معلومة العقدة، والمعاينة تجعل الكلفة ثابتة لكل عقدة مستهدفة بغض النظر عن حجم الرسم.

يمكن التدريب بإشراف أو بهدف غير خاضع للإشراف يقرب العقد المتجاورة في مسارات عشوائية. وقد بنيت عليها PinSage في Pinterest لتوصية على مليارات العناصر.

البنية المعمارية

K طبقة SAGEConv مع معاينة S_k جاراً لكل طبقة (مثلاً 25 ثم 10) ← رأس تصنيف.

المعادلات

h_v^{(k)}=\sigma\!\left(W^{(k)}\left[h_v^{(k-1)}\,\Vert\,\operatorname{AGG}\big(\{h_u^{(k-1)},\,u\in\mathcal{S}(v)\}\big)\right]\right)
الضم بين تمثيل العقدة وتجميع عيّنة جيرانها.

نقاط القوة

  • استقرائية
  • قابلة للتوسع بالمعاينة والدفعات الصغيرة
  • فصل الذات يساعد مع الضوضاء وعدم التجانس الجزئي

القيود

  • المعاينة تضيف تبايناً
  • المجمّع المتوسط محدود التمييز
  • تكرار حساب العقد المشتركة بين العقد المستهدفة

التعقيد الحسابي

O(∏ S_k · F²) لكل عقدة مستهدفة.

متى تستخدمه

رسوم ضخمة أو متغيرة، وتعميم إلى عقد جديدة، وأنظمة إنتاجية.

التنفيذ في PyTorch Geometric

torch_geometric.nn.SAGEConv / GraphSAGE مع NeighborLoader

شيفرة توضيحية للاستخدام المعتاد؛ راجع توثيق إصدار المكتبة الذي تستخدمه قبل تشغيلها.

درّب GraphSAGE فعلياً في متصفحك

تابع التعلّم

نماذج مرتبطة

دروس تشرحه

المراجع

  1. Hamilton, W. L., Ying, R., & Leskovec, J. (2017). Inductive Representation Learning on Large Graphs. Advances in Neural Information Processing Systems (NeurIPS). arXiv: 1706.02216الورقة الأصلية لـ GraphSAGE والتعلم الاستقرائي بالعيّنات من الجوار.
  2. Ying, R., He, R., Chen, K., Eksombatchai, P., Hamilton, W. L., & Leskovec, J. (2018). Graph Convolutional Neural Networks for Web-Scale Recommender Systems. Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. DOI: 10.1145/3219819.3219890PinSage: نظام توصية قائم على GNN بحجم صناعي.