Mis on R-GCN graafidele, millel on tüübitud servad?

R-GCN (Relational Graph Convolutional Network) on graafneuronvõrkude tüüp, mis on mõeldud töötama graafidega, kus servadel on tüübid (erinevad suhted sõlmede vahel). Erinevalt klassikalistest GCN-dest, mis koguvad teavet naabritelt ilma suhete tüüpide arvestamiseta, võtab R-GCN arvesse servetüüpe, rakendades iga suhte tüübi jaoks eraldi kaalumatriise. See võimaldab mudelil paremini tabada keerukate graafide struktuuri ja semantikat, näiteks teadmiste analüüsis või sotsiaalvõrkudes.

Näide lihtsustatud valemist, mis uuendab sõlme v omadusi:

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)

kus:

• R — servetüüpide kogum,
• N_r(v) — sõlme v naabrid r-tüüpi servade kaudu,
• W_r^{(l)} — kaalumatriis, mis vastab tüübile r tasemel l,
• c_{v,r} — normaliseerimiskoefitsient,
• \sigma — aktiveerimisfunktsioon.

Sel viisil modelleerib R-GCN tõhusalt keerukaid suhteid graafides, kus on heterogeensed servad.