Čo je R-GCN pre grafy s typizovanými hranami?

R-GCN (Relational Graph Convolutional Network) je varianta grafovske nevronske mreže, navrhnutá za delo z grafmi, kjer imajo robovi tipe (različne odnose med vozlišči). Za razliko od klasičnih GCN-jev, ki zbirajo informacije od sosedov brez upoštevanja tipov povezav, R-GCN upošteva tipe robov z uporabo ločenih matrik teže za vsak tip odnosa. To omogoča modelu, da bolje zajame strukturo in semantiko kompleksnih grafov, na primer pri analizi znanja ali socialnih omrežij.

Primer poenostavljene formule za posodobitev lastnosti vozlišča 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)

kjer:

• R — množica tipov robov,
• N_r(v) — sosedje vozlišča v po robovih tipa r,
• W_r^{(l)} — matrika teže za tip r na sloju l,
• c_{v,r} — normalizacijski koeficient,
• \sigma — funkcija aktivacije.

Na ta način, R-GCN učinkovito modelira kompleksne odnose v grafih z heterogenimi robovi.