Ce este R-GCN pentru grafuri cu muchii tipizate?

R-GCN (Rețea Convoluțională Grafică Relațională) este o variantă a rețelelor neuronale de tip graf, concepută pentru a lucra cu grafuri în care muchiile au tipuri (relații diferite între noduri). Spre deosebire de GCN-urile clasice, care agregă informații de la vecini fără a ține cont de tipurile de relații, R-GCN ia în considerare tipurile de muchii, aplicând matrici de greutate separate pentru fiecare tip de relație. Acest lucru permite modelului să surprindă mai bine structura și semantica grafurilor complexe, de exemplu, în analiza cunoștințelor sau rețele sociale.

Exemplu de o formulă simplificată pentru actualizarea caracteristicilor nodului 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)

unde:

• R — mulțimea tipurilor de muchii,
• N_r(v) — vecinii nodului v prin muchii de tip r,
• W_r^{(l)} — matricea de greutate pentru tipul r la stratul l,
• c_{v,r} — coeficientul de normalizare,
• \sigma — funcția de activare.

Astfel, R-GCN modelează eficient relații complexe în grafuri cu muchii heterogene.