GraphSAGE nima va nima uchun qo'shni namuna olish kerak?

GraphSAGE (Graf Namuna va To‘plami) — grafiklarda tugunlarning taqdimotlarini (embeddings) o‘rganish uchun neyron tarmoqlardan foydalanadigan usuldir. An’anaviy GNNlardan farqli o‘laroq, ular barcha qo‘shni tugunlarni ishlatib ma’lumotlarni to‘plash o‘rniga, GraphSAGE qo‘shnilarni namunaviy (sampling) qilish orqali katta grafiklarda o‘qitishni kengaytiradi.

Qo‘shnilarni namunaviy qilish nima uchun kerak?

• Kengaytirish: Katta grafiklarda, tugunning juda ko‘p qo‘shnisi bo‘lishi mumkin, bu esa barcha qo‘shnilarni to‘plashni hisoblash uchun qimmatga tushadi.
• Ortib ketishdan qochish: Tasodifiy qo‘shnilarni tanlash modelga grafik tuzilmasini haddan tashqari yodlashdan saqlashga yordam beradi.
• Umumiylashtirish: Modelga qo‘shnilarning kichik bir qismida o‘rganishga imkon beradi, bu esa umumiylashuv qobiliyatini oshiradi.

GraphSAGE ning ishlash prinsipi:

1. Har bir tugun uchun tasodifiy ravishda belgilangan sonli qo‘shnilar tanlanadi.
2. Ularning embeddingslari (masalan, o‘rtacha yoki LSTM yordamida) to‘planadi.
3. Olingan to‘plam tugunning o‘z embeddingsi bilan birlashtiriladi va neyron tarmoq orqali o'tkaziladi.

Bu katta va dinamik tuzilishga ega grafiklarda modellarning samarali o‘qitilishini ta’minlaydi.