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.
الحدس
في رسم فيه علاقات من أنواع مختلفة، خصص لكل نوع علاقة تحويلاً خاصاً، واجمع رسائل كل نوع بتطبيع مستقل.
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_bنقاط 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 / FastRGCNConvشيفرة توضيحية للاستخدام المعتاد؛ راجع توثيق إصدار المكتبة الذي تستخدمه قبل تشغيلها.
تابع التعلّم
نماذج مرتبطة
دروس تشرحه
المراجع
- 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.
