شبكة عصبية بيانية ثنائية المسار مع وحدة مساعدة تكيفية لتوقع الروابط

توقع الروابط، الذي له تطبيقات هامة في العديد من المجالات، يتوقع إمكانية الرابط بين عقدتين في الرسم البياني. يعتمد توقع الروابط على الشبكة العصبية البيانية (GNN) للحصول على تمثيل العقدة وهيكل الرسم البياني، والذي جذب اهتماماً متزايداً مؤخراً. ومع ذلك، فإن الأساليب الحالية لتوقع الروابط المستندة إلى GNN تمتلك بعض النواقص. من ناحية، لأن الرسم البياني يحتوي على أنواع مختلفة من العقد، يؤدي ذلك إلى تحدٍ كبير في تجميع المعلومات وتعلم تمثيل العقدة من العقد المجاورة لها. من ناحية أخرى، كانت آلية الانتباه أداة فعالة لتعزيز أداء توقع الروابط. ومع ذلك، فإن آلية الانتباه التقليدية دائماً ما تكون أحادية بالنسبة لعقد الاستعلام، مما يحد من تأثيرها على توقع الروابط. لمعالجة هذين المشكلتين، تم اقتراح شبكة عصبية بيانية ثنائية المسار (DPGNN) لتوقع الروابط في هذه الدراسة. أولاً، نقترح تحسين ميزات عشوائية محلية جديد لشبكة الالتفاف البيانية كخط أساسي لمسار واحد. وفي الوقت نفسه، يتم اعتماد النسخة الثانية من شبكة الانتباه البيانية المستندة إلى آلية الانتباه الديناميكية كخط أساسي للمسار الآخر. ثم، نقوم بالتقاط تمثيل عقد أكثر مغزى وميزات روابط أكثر دقة من خلال دمج معلومات هذين المسارين. بالإضافة إلى ذلك، نقترح وحدة مساعدة تكيفية لتحقيق توازن أفضل في وزن المهام المساعدة، مما يعود بالنفع الكبير على توقع الروابط. أخيراً، تؤكد التجارب الواسعة فعالية وتفوق DPGNN المقترحة لدينا لتوقع الروابط.