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

R-GCN – الشبكة الالتفافية العلائقية

Relational Graph Convolutional Network (2018)

في رسم فيه علاقات من أنواع مختلفة، خصص لكل نوع علاقة تحويلاً خاصاً، واجمع رسائل كل نوع بتطبيع مستقل.

العائلة: علائقية وغير متجانسة (Relational)المهام: تصنيف الكيانات وإكمال رسوم المعرفة

الحدس

في رسم فيه علاقات من أنواع مختلفة، خصص لكل نوع علاقة تحويلاً خاصاً، واجمع رسائل كل نوع بتطبيع مستقل.

AAPPPVwrites W_r1published-in W_r2cites W_r3h_v′ = σ( Σ_r Σ_{u∈N_r(v)} (1/c) W_r h_u + W_0 h_v )
رسم غير متجانس: أنواع عقد وروابط مختلفة، ولكل نوع علاقة أوزانه الخاصة.

الشرح التفصيلي

تعمم R-GCN طبقة GCN إلى رسوم متعددة العلاقات: رسالة الجار j عبر العلاقة r تمر بمصفوفة W_r، وتطبّع بعدد جيران العقدة في تلك العلاقة، وتضاف حلقة ذاتية بمصفوفة W₀. تعالج العلاقات العكسية بوصفها أنواعاً مستقلة. لأن رسوم المعرفة تحوي مئات العلاقات، يقل عدد المعاملات بتفكيك الأساس (مزيج من B مصفوفات مشتركة) أو بالتفكيك القطري بالكتل.

لتصنيف الكيانات تُوضع طبقة softmax فوق التمثيلات، ولإكمال الرسم تُستخدم R-GCN مشفّراً مع فاك تشفير DistMult يحسب درجة كل ثلاثية.

البنية المعمارية

طبقتا RGCNConv مع تفكيك الأساس ← softmax للكيانات، أو مشفّر + DistMult للروابط.

المعادلات

h_i'=\sigma\Big(W_0h_i+\sum_{r\in\mathcal{R}}\sum_{j\in N_i^r}\frac{1}{|N_i^r|}W_rh_j\Big),\qquad W_r=\sum_{b=1}^{B}a_{rb}V_b
طبقة R-GCN مع تفكيك الأساس.

نقاط القوة

  • تميز أنواع العلاقات
  • تفكيك الأساس يشارك المعرفة بين العلاقات
  • أساس لكثير من نماذج رسوم المعرفة

القيود

  • تتضخم المعاملات مع عدد العلاقات بلا تفكيك
  • لا تميز أنواع العقد مباشرة
  • العلاقات النادرة عرضة لفرط التخصيص

التعقيد الحسابي

O(|R|·n·F² + |E|·F) دون تفكيك.

متى تستخدمه

رسوم المعرفة والرسوم متعددة العلاقات، وخط أساس للرسوم غير المتجانسة.

التنفيذ في PyTorch Geometric

torch_geometric.nn.RGCNConv / FastRGCNConv

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

درّب R-GCN فعلياً في متصفحك

تابع التعلّم

نماذج مرتبطة

دروس تشرحه

المراجع

  1. Schlichtkrull, M., Kipf, T. N., Bloem, P., van den Berg, R., Titov, I., & Welling, M. (2018). Modeling Relational Data with Graph Convolutional Networks. The Semantic Web (ESWC 2018), Lecture Notes in Computer Science, Springer. DOI: 10.1007/978-3-319-93417-4_38 · arXiv: 1703.06103الورقة الأصلية لـ R-GCN على رسوم المعرفة متعددة العلاقات.