Kas yra R-GCN grafams su tipizuotomis kraštinėmis?

R-GCN (Relational Graph Convolutional Network) yra grafinių neuroninių tinklų rūšis, sukurta darbui su grafais, kuriuose kraštai turi tipus (skirtingus ryšius tarp mazgų). Skirtingai nuo klasikinių GCN, kurie renka informaciją iš kaimynų nesvarstydami ryšio tipo, R-GCN atsižvelgia į kraštų tipus, taikydamas atskiras svorių matricas kiekvienam ryšio tipui. Tai leidžia modeliui geriau suvokti sudėtingų grafų struktūrą ir semantiką, pavyzdžiui, žinių analizėje ar socialiniuose tinkluose.

Pavyzdys supaprastintos formulės, atnaujinančios mazgo v savybes:

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)

kur:

• R — kraštų tipų rinkinys,
• N_r(v) — kaimynai mazgo v pagal kraštų tipą r,
• W_r^{(l)} — svorių matrica, skirta tipui r lygmenyje,
• c_{v,r} — normalizacijos koeficientas,
• \sigma — aktyvavimo funkcija.

Šiuo būdu R-GCN efektyviai modeliuoja sudėtingus ryšius grafuose su heterogeniniais kraštais.