Τι είναι το R-GCN για γράφους με τυποποιημένες ακμές;

R-GCN (Relational Graph Convolutional Network) είναι μια παραλλαγή των δικτύων νευρώνων γραφήματος σχεδιασμένη για να εργάζεται με γραφήματα όπου οι ακμές έχουν τύπους (διαφορετικές σχέσεις μεταξύ κόμβων). Σε αντίθεση με τις κλασικές GCN, που συγκεντρώνουν πληροφορίες από γείτονες χωρίς να λαμβάνουν υπόψη τους τύπους των σχέσεων, το R-GCN λαμβάνει υπόψη τους τύπους των ακμών, εφαρμόζοντας ξεχωριστές μήτρες βαρών για κάθε τύπο σχέσης. Αυτό επιτρέπει στο μοντέλο να συλλαμβάνει καλύτερα τη δομή και τη σημασιολογία πολύπλοκων γραφημάτων, π.χ., σε εργασίες ανάλυσης γνώσεων ή κοινωνικών δικτύων.

Παράδειγμα μιας απλοποιημένης φόρμουλας για την ενημέρωση των χαρακτηριστικών του κόμβου v:

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)

όπου:

• R — το σύνολο των τύπων ακμών,
• N_r(v) — γείτονες του κόμβου v μέσω ακμών τύπου r,
• W_r^{(l)} — μήτρα βαρών για τον τύπο r στο στρώμα l,
• c_{v,r} — ο συντελεστής κανονικοποίησης,
• \sigma — η λειτουργία ενεργοποίησης.

Με αυτόν τον τρόπο, το R-GCN μοντελοποιεί αποτελεσματικά πολύπλοκες σχέσεις σε γραφήματα με ετερογενείς ακμές.