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

node2vec – نود تو فك

node2vec (2016)

اجعل المسار العشوائي منحازاً بمعاملين: p للعودة وq للاستكشاف، فتختار بين التقاط المجتمعات (تجوال بعيد) أو الأدوار البنيوية (تجوال قريب).

العائلة: تمثيلات ضحلة (Shallow Embeddings)المهام: تمثيلات العقد، التنبؤ بالروابط، تصنيف العقد

الحدس

اجعل المسار العشوائي منحازاً بمعاملين: p للعودة وq للاستكشاف، فتختار بين التقاط المجتمعات (تجوال بعيد) أو الأدوار البنيوية (تجوال قريب).

12345walk: 1 → 2 → 3 → 5skip-gramword2vecz1z2z3z4z5
التمثيلات الضحلة: مسارات عشوائية تُعامل جملاً، ثم Skip-gram يتعلم متجهاً لكل عقدة.

الشرح التفصيلي

احتمال الانتقال من v إلى x بعد القدوم من t يعتمد على المسافة بين t وx: يُضرب في 1/p إذا عاد إلى t، و1 إذا كان x جاراً لـ t أيضاً، و1/q إذا ابتعد. q < 1 يشبه البحث بالعمق ويلتقط المجتمعات (التجانس)، وq > 1 يشبه البحث بالعرض ويلتقط التكافؤ البنيوي. ثم Skip-gram مع عيّنات سلبية.

للتنبؤ بالروابط، يُبنى تمثيل للزوج بعملية ثنائية (مثل ضرب Hadamard) على تمثيلي العقدتين، ثم مصنف.

البنية المعمارية

مسارات منحازة (p, q) ← Skip-gram مع سلبيات ← جدول تمثيلات.

المعادلات

\alpha_{pq}(t,x)=\begin{cases}1/p & d_{tx}=0\\ 1 & d_{tx}=1\\ 1/q & d_{tx}=2\end{cases}
الانحياز في احتمال الانتقال حسب المسافة إلى العقدة السابقة t.

نقاط القوة

  • مرونة في نوع التشابه الملتقط
  • فعال وقابل للتوازي
  • خط أساس قوي للروابط

القيود

  • تحويلي
  • لا يستخدم الخصائص
  • ضبط p وq مطلوب

التعقيد الحسابي

معالجة مسبقة لاحتمالات الانتقال + O(n·r·l) للمسارات.

متى تستخدمه

تمثيلات دون خصائص، أو خصائص بنيوية لنموذج GNN.

التنفيذ في PyTorch Geometric

torch_geometric.nn.Node2Vec

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

تابع التعلّم

نماذج مرتبطة

دروس تشرحه

المراجع

  1. Grover, A., & Leskovec, J. (2016). node2vec: Scalable Feature Learning for Networks. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. DOI: 10.1145/2939672.2939754تعميم DeepWalk بمسارات منحازة (ليست GNN).