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

TGAT – الانتباه البياني الزمني

Temporal Graph Attention (2020)

مثل GAT لكن على الجيران الزمنيين (من تفاعل مع العقدة قبل لحظة الاستعلام)، مع ترميز وظيفي للفارق الزمني يُضاف إلى الخصائص.

العائلة: زمنية ومكانية-زمنية (Temporal)المهام: التنبؤ بالروابط وتصنيف العقد في الرسوم الزمنية المستمرة

الحدس

مثل GAT لكن على الجيران الزمنيين (من تفاعل مع العقدة قبل لحظة الاستعلام)، مع ترميز وظيفي للفارق الزمني يُضاف إلى الخصائص.

timea→bc→ab→da→dc→bmemory s_v(t)GRU updatetime encodingcos(ω Δt + φ)temporal attnover past events
الرسوم الزمنية المستمرة: تيار أحداث (u, v, t)، وذاكرة لكل عقدة تُحدَّث مع كل حدث.

الشرح التفصيلي

لحساب تمثيل العقدة v عند الزمن t، تُجمع الأحداث السابقة مع جيرانها (u, t_u)، ويُضم إلى تمثيل كل جار ترميز زمني Φ(t − t_u) مستمد من مبرهنة Bochner بترددات متعلَّمة، ثم يُطبق انتباه متعدد الرؤوس بأسلوب المحوّل. الطبقات المتعددة تعني جيران الجيران زمنياً. لأن التمثيل دالة للخصائص والزمن، يعمل استقرائياً على عقد جديدة.

طُبق على Reddit وWikipedia (تفاعلات مستخدمين مع صفحات) وحقق نتائج قوية في التنبؤ بالروابط المستقبلية.

البنية المعمارية

L طبقات انتباه زمني متعدد الرؤوس مع Φ(Δt) ← تمثيل لحظي ← فاك تشفير للروابط.

المعادلات

\Phi_d(t)=\sqrt{\tfrac{1}{d}}\left[\cos(\omega_1t),\sin(\omega_1t),\dots,\cos(\omega_dt),\sin(\omega_dt)\right]
الترميز الزمني الوظيفي.

نقاط القوة

  • زمن مستمر دقيق
  • استقرائي
  • لا يحتاج لقطات

القيود

  • لا ذاكرة طويلة: يعيد حساب الجوار الزمني
  • كلفة المعاينة الزمنية
  • حساس لعدد الجيران المعاينين

التعقيد الحسابي

O(L·k·F²) لكل استعلام مع k جاراً معايناً.

متى تستخدمه

أحداث مستمرة (رسائل، معاملات، تفاعلات) وتنبؤ بالروابط المستقبلية.

التنفيذ في PyTorch Geometric

torch_geometric.nn.TransformerConv مع ترميز زمني، أو مستودع المؤلفين

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

تابع التعلّم

نماذج مرتبطة

دروس تشرحه

المراجع

  1. Xu, D., Ruan, C., Korpeoglu, E., Kumar, S., & Achan, K. (2020). Inductive Representation Learning on Temporal Graphs. International Conference on Learning Representations (ICLR). arXiv: 2002.07962TGAT: ترميز زمني وظيفي مع انتباه على الجيران الزمنيين.