الحفاظ على المعلومات العالمية لتجميع الرسم البياني باستخدام مشفرات تلقائيةMasked

يهدف تجميع الرسم البياني إلى تقسيم العقد إلى مجموعات مختلفة بدون تسميات وقد attracted اهتمامًا كبيرًا نظرًا لنجاح الشبكات العصبية الرسومية (GNNs). تعتمد طرق التجميع التقليدية المستندة إلى GNN على فرضية التماثل، أي أن العقد المتصلة تنتمي إلى نفس المجموعات. ومع ذلك، فإن هذه الفرضية ليست صحيحة دائمًا، حيث أن الرسومات غير المتجانسة شائعة أيضًا في العالم الحقيقي، مما يحد من تطبيق GNNs. علاوة على ذلك، تتجاهل هذه الطرق المواقع العالمية، مما يمكن أن يؤدي إلى تجميع خاطئ. لحل المشاكل المذكورة أعلاه، نقترح نموذجًا جديدًا يسمى الحفاظ على المعلومات العالمية لتجميع الرسوم البيانية باستخدام مشفرات تلقائيةMasked (GCMA). نقترح أولاً مرشحًا ذو تمرير منخفض وعالي لالتقاط المعلومات ذات الترددات المنخفضة والعالية ذات الدلالة. ثم نقترح طريقة تحليل انتشار الرسم البياني للحصول على الوضع العالمي. على وجه الخصوص، يتم اقتراح مصفوفة لابلاسيانية معلمة للتحكم بشكل أفضل في الاتجاه العالمي. لتعزيز القدرة التعليمية لمشفرات التلقائية، نصمم نموذجًا باستراتيجية قناع تعزز القدرة التعليمية. تظهر التجارب الواسعة على كل من الرسومات المتجانسة وغير المتجانسة مزايا GCMA مقارنة بالمعايير الحديثة.