Что такое R-GCN для графов с типизированными рёбрами?

R-GCN (Relational Graph Convolutional Network) — это разновидность графовых нейронных сетей, предназначенная для работы с графами, где рёбра имеют типы (различные отношения между узлами). В отличие от классических GCN, которые агрегируют информацию от соседей без учёта типов связей, R-GCN учитывает типы рёбер, применяя отдельные весовые матрицы для каждого типа отношения. Это позволяет модели лучше захватывать структуру и семантику сложных графов, например, в задачах анализа знаний или социальных сетей.

Пример упрощённой формулы обновления признаков узла 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)

где:

• R — множество типов рёбер,
• N_r(v) — соседи узла v по рёбрам типа r,
• W_r^{(l)} — весовая матрица для типа r на слое l,
• c_{v,r} — нормализационный коэффициент,
• \sigma — функция активации.

Таким образом, R-GCN эффективно моделирует сложные взаимосвязи в графах с разнородными рёбрами.