Növləndirilmiş kənarları olan qrafiklər üçün R-GCN nədir?

R-GCN (Relational Graph Convolutional Network) — qrafikdəki düyünlər arasında müxtəlif əlaqələrə malik kənar tiplərinə sahib qrafiklərlə işləmək üçün nəzərdə tutulmuş qraf neyron şəbəkəsinin növüdür. Klassik GCN-lərdən fərqli olaraq, onlar qonşulardan məlumatları əlaqə tiplərini nəzərə almadan toplayır, R-GCN isə hər bir əlaqə tipi üçün ayrıca çəkili matrislər tətbiq edir. Bu, modelin mürəkkəb qrafiklərin quruluşunu və semantikası daha yaxşı ələ keçirməsinə imkan verir, məsələn, biliklərin analizi və ya sosial şəbəkələrdə.

Vektor v-nin xüsusiyyətlərinin yenilənməsi üçün sadələşdirilmiş formul nümunəsi:

h_v^{(l+1)} = \sigma \left( \sum_{r \in R} \sum_{u \in N_r(v)} \frac{1}{c_{v,r}} W_r^{(l)} h_u^{(l)} + W_0^{(l)} h_v^{(l)} \right)

burada:

• R — kənar tiplərinin toplusu,
• N_r(v) — v düyünün r tipli kənarları ilə qonşuları,
• W_r^{(l)} — l qatında r tipi üçün çəkili matris,
• c_{v,r} — normallaşdırma koeffisienti,
• \sigma — aktivləşdirmə funksiyası.

Bu şəkildə, R-GCN heterogen kənarları olan qrafiklərdə mürəkkəb əlaqələri effektiv şəkildə modelləşdirə bilir.