تعلم الرسم البياني المتباين المتنوع مع سياقات المسارات الميتا وعينات سلبية موزونة وفقًا للتكيف

لقد تلقى تعلم الرسم البياني المتباين المتنوع اهتمامًا واسعًا في الآونة الأخيرة. تستخدم بعض الأساليب الموجودة المسارات الميتا، وهي تسلسلات من أنواع الكائنات التي تلتقط العلاقات الدلالية بين الكائنات، لبناء وجهات نظر متباينة. ومع ذلك، فإن معظمها تتجاهل المعلومات السياقية الغنية لمسارات الميتا التي تصف كيفية ارتباط كائنين عبر المسارات. علاوة على ذلك، تفشل في تمييز العينات السلبية، مما قد يؤثر سلبًا على أداء النموذج. لمعالجة هذه المشكلات، نقترح MEOW، الذي يأخذ في الاعتبار سياقات المسارات الميتا وعينات سلبية موزونة. بشكل محدد، يقوم MEOW ببناء وجهة نظر خشنة ووجهة نظر دقيقة للتباين. الأولى تعكس الكائنات المرتبطة بواسطة مسارات الميتا، بينما تستخدم الثانية سياقات المسارات الميتا وتصف التفاصيل حول كيفية ارتباط الكائنات. ثم نقوم بتحليل نظري لخسارة InfoNCE ونعترف بالقيود المفروضة عليها في حساب التدرجات الخاصة بالعناصر السلبية. لتمييز العينات السلبية بشكل أفضل، نتعلم أوزان ذات قيمة صعبة لها بناءً على تجمع العقد ونستخدم التعلم المتباين النموذجي لجذب تمثيلات قريبة من العقد في نفس التجمع. بالإضافة إلى ذلك، نقترح نموذجًا متغيرًا يسمى AdaMEOW الذي يتعلم بشكل تكيفي أوزانًا ذات قيمة ناعمة للعناصر السلبية لتحسين تمثيل العقد بشكل أكبر. أخيرًا، نقوم بإجراء تجارب شاملة لإظهار تفوق MEOW وAdaMEOW على الأساليب الأخرى الرائدة.