الوصف
شبكة التماثل البياني (GIN) هي بنية شبكة عصبية بيانية (GNN) مقترحة في "ما مدى قوة الشبكات العصبية البيانية؟"، وهي ورقة كتبها كيولو شو، ويهوا هو، يور ليشكوفك، وستيفاني ييغيلكا، تم تقديمها كإرسال غير معلن إلى مؤتمر ICLR 2019. تتعلم الشبكات العصبية البيانية تمثيلات الرسوم البيانية من خلال تجميع وتحويل متجهات التمثيل للعقد المجاورة بشكل متكرر، وفي الوقت الذي ظهرت فيه الورقة، كانت هناك العديد من المتغيرات لـ GNN ولكن لم تكن حدود تمثيلها مفهومة جيدًا.
قراءة المزيد
تبني الورقة إطارًا نظريًا لقياس مدى قدرة متغير GNN معين على تمييز الهياكل البيانية المختلفة. تظهر أن المتغيرات الشائعة مثل الشبكات التلافيفية البيانية وGraphSAGE لا يمكنها تمييز بعض الهياكل البيانية البسيطة عن بعضها البعض. من تلك التحليل، يستنتج المؤلفون GIN: بنية يثبتون أنها الأكثر تعبيرًا الممكنة بين GNNs التي تعتمد على تمرير الرسائل، مما يتناسب مع القوة التمييزية لاختبار التماثل البياني لفايسفيلر-ليمان، وهو خوارزمية كلاسيكية لتحديد ما إذا كانت رسومان بيانيان متطابقين هيكليًا.
تتحقق الورقة من صحة GIN تجريبيًا على مجموعة من معايير تصنيف الرسوم البيانية وتبلغ عن نتائج رائدة في وقت النشر. تشمل الكلمات الرئيسية المدرجة الشبكات العصبية البيانية، النظرية، التعلم العميق، القوة التمثيلية، التماثل البياني، والمجموعات العميقة، مما يعكس كل من المساهمة النظرية، وإطار التعبير، والنموذج الناتج.
هذه بنية بحثية منشورة بدلاً من منتج مستضاف أو خدمة مدفوعة؛ لا يبيع أي بائع الوصول إليها، وعادة ما تستخدم من خلال تطبيقات مفتوحة المصدر في مكتبات تعلم الرسوم البيانية العامة بدلاً من صفحة الورقة الخاصة بها.
تستهدف GIN الباحثين والممارسين الذين يقومون ببناء أو تقييم الشبكات العصبية البيانية، وخاصة لتصنيف الرسوم البيانية، بدلاً من المستخدمين النهائيين. كهيكل محدد من أبحاث 2018-2019، فهي نقطة واحدة في مجال سريع الحركة؛ وقد اقترحت الأعمال اللاحقة مزيدًا من المتغيرات لـ GNN ونتائج التعبير التي تبني عليها أو توسعها، لذا يجب قراءتها كمرجع أساسي بدلاً من الحالة الحالية للفن.
- الفئةأدوات ذكاء اصطناعي أخرى
- نموذج التسعيرمفتوح المصدر
- النشراستضافة ذاتية
- المنصاتالويب
أبرز ملامح شبكة التماثل البياني
بنية قابلة للإثبات بأنها الأكثر تعبيرًا بين الشبكات العصبية البيانية التي تعتمد على تمرير الرسائل
تتناسب مع القوة التمييزية لاختبار التماثل البياني لفايسفيلر-ليمان
مبنية على إطار نظري يحلل أي الهياكل البيانية يمكن لمتغير GNN تمييزها أو عدم تمييزها
تم التحقق منها تجريبيًا على عدة معايير لتصنيف الرسوم البيانية
تقارن مباشرة تعبيرها ضد الشبكات التلافيفية البيانية وGraphSAGE
تم تقديمها جنبًا إلى جنب مع إثبات رسمي مستند إلى نظرية المجموعات العميقة
البدء مع شبكة التماثل البياني
اقرأ الملخص: راجع الإطار النظري للورقة حول تعبير GNN على صفحة منتدى OpenReview الخاصة بها
اقرأ الورقة كاملة: اتبع قائمة OpenReview إلى PDF للحصول على الاشتقاق الكامل والإثباتات
راجع المعايير: تحقق من تجارب تصنيف الرسوم البيانية التي يبلغ عنها المؤلفون
ابحث عن تطبيق: ابحث عن GIN في مكتبات تعلم الرسوم البيانية مفتوحة المصدر الشائعة لتطبيق البنية مباشرة
حالات استخدام شبكة التماثل البياني
- بحث تصنيف الرسوم البيانية
- تحليل تعبير GNN
- تعليم نظرية GNN
