الوصف
يقدم مستودع tkipf/relational-gcn تطبيقًا قائمًا على Keras لشبكات الالتفاف العلائقية الرسومية (R-GCNs). تم تصميم هذه الأداة خصيصًا لمهام التصنيف شبه المراقب للعقد على الرسوم البيانية العلائقية الموجهة. وهي بمثابة مورد قيم للباحثين والممارسين الذين يهدفون إلى إعادة إنتاج النتائج المقدمة في الورقة البحثية "نمذجة البيانات العلائقية باستخدام شبكات الالتفاف الرسومية" (2017) أو البناء عليها.
قراءة المزيد
يركز التطبيق على جانب تصنيف الكيانات في نمذجة البيانات العلائقية. يمكن للمستخدمين الاستفادة من هذا الكود للتجربة مع R-GCNs على مجموعات بيانات مختلفة، بما في ذلك AIFB و MUTAG و BGS و AM، كما هو مفصل في تعليمات الاستخدام. يؤكد المشروع على أهمية إصدارات التبعية المحددة، ويوصي بـ Keras 1.2.1 و Theano 0.9.0، حيث قد تتسبب إصدارات Keras الأحدث في تعطيل واجهة برمجة تطبيقات مصفوفة Theano المتفرقة. بينما يمكن استخدام TensorFlow كواجهة خلفية، يجب أن يكون المستخدمون على دراية بالقيود المحتملة فيما يتعلق بحجم المصفوفة المتفرقة.
لضمان إعادة إنتاج دقيقة للنتائج التجريبية، يوفر المستودع تعليمات واضحة لإعداد مجموعة البيانات وتدريب النموذج. كما يتضمن إرشادات حول تكوين الواجهة الخلفية لـ Keras إلى Theano وفرض التنفيذ على وحدة المعالجة المركزية (CPU)، وهو ما يوصى به بسبب القيود المحتملة لذاكرة وحدة معالجة الرسومات (GPU) لبعض التجارب. يتم ترخيص المشروع بموجب ترخيص MIT، مما يعزز الوصول المفتوح والتعديل. تقدم الورقة البحثية المرتبطة، والمشار إليها بـ [1]، فهمًا نظريًا أعمق لنموذج R-GCN وتطبيقاته في نمذجة البيانات العلائقية.
هذا التطبيق مفيد بشكل خاص لأولئك الذين يعملون مع البيانات ذات الهيكل الرسومي حيث تكون العلاقات بين الكيانات حاسمة. وهو يتيح تطبيق تقنيات التعلم العميق المتقدمة لفهم وتصنيف العقد داخل الشبكات العلائقية المعقدة. الكود متاح للجمهور على GitHub، مما يعزز التعاون والتطوير المستقبلي داخل مجتمع شبكات الرسوم البيانية العصبية.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشراستضافة ذاتية
- المنصاتLinux, macOS, Windows
الميزات الأساسية لـ شبكات الالتفاف العلائقية الرسومية (Relational Graph Convolutional Networks)
تطبيق قائم على Keras
شبكات الالتفاف العلائقية الرسومية (R-GCNs)
تصنيف شبه مراقب للعقد
يدعم الرسوم البيانية العلائقية الموجهة
كود لإعادة إنتاج تصنيف الكيانات
تتضمن نصوص برمجية لإعداد مجموعات البيانات
توفير نصوص برمجية لتدريب النموذج
إرشادات إدارة التبعيات
خيار فرض التنفيذ على وحدة المعالجة المركزية
ترخيص MIT
البدء مع شبكات الالتفاف العلائقية الرسومية (Relational Graph Convolutional Networks)
تثبيت التبعيات: قم بتشغيل 'python setup.py install' بعد التأكد من توافق إصدارات Keras و Theano.
تكوين الواجهة الخلفية لـ Keras: قم بإنشاء '~/.keras/keras.json' لتعيين 'backend' إلى 'theano'.
إعداد مجموعة البيانات: قم بتنفيذ 'python prepare_dataset.py -d <dataset_name>' لمجموعات البيانات المحددة (مثل aifb، mutag).
فرض التنفيذ على وحدة المعالجة المركزية: استخدم 'CUDA_VISIBLE_DEVICES=' قبل أمر التدريب.
تدريب النموذج: قم بتشغيل 'python train.py -d <dataset_name> --bases <num> --hidden <num> --l2norm <value> --testing'.
إعادة إنتاج نتائج الورقة البحثية: اتبع التعليمات الخاصة بمجموعة البيانات لـ AIFB و MUTAG و BGS و AM.
التكيف مع المهام الجديدة: قم بتعديل النصوص البرمجية لمجموعات البيانات المخصصة أو الاختلافات في مهام الرسوم البيانية العلائقية.
حالات استخدام شبكات الالتفاف العلائقية الرسومية (Relational Graph Convolutional Networks)
- تصنيف العقد
- تصنيف الكيانات
- نمذجة البيانات العلائقية
- أبحاث شبكات الرسوم البيانية العصبية
- التعلم الآلي القائم على الرسوم البيانية
