Šta je R-GCN za grafove sa tipiziranim ivicama?

R-GCN (Relational Graph Convolutional Network) je varijanta grafovskih neuronskih mreža osmišljena za rad s grafovima u kojima bridovi imaju tipove (različite odnose između čvorova). Za razliku od klasičnih GCN-ova, koji agregiraju informacije od suseda bez uzimanja u obzir tipova veza, R-GCN uzima u obzir tipove bridova primenom odvojenih težinskih matrica za svaki tip odnosa. Ovo omogućava modelu da bolje uhvati strukturu i semantiku složenih grafova, na primer u zadacima analize znanja ili društvenih mreža.

Primer pojednostavljene formule za ažuriranje karakteristika čvora 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)

gde:

• R — skup tipova bridova,
• N_r(v) — susedi čvora v putem bridova tipa r,
• W_r^{(l)} — matrica težina za tip r na sloju l,
• c_{v,r} — normalizacioni koeficijent,
• \sigma — funkcija aktivacije.

Na ovaj način, R-GCN efikasno modeluje složene odnose u grafovima sa heterogenim bridovima.