निर्देशित अनुपर्यायी ग्राफ़ों के लिए हाइपरबोलिक डिस्क एंबेडिंग्स

संरचनात्मक डेटा जैसे कि निर्देशित अनुपर्यायी ग्राफ़ों (DAGs) की निरंतर प्रस्तुतियों को प्राप्त करना मशीन लर्निंग और कृत्रिम बुद्धिमत्ता में ध्यान आकर्षित कर रहा है। हालाँकि, उन जटिल DAGs में एंबेड करना जिनमें नोड्स के पूर्वज और उत्तराधिकारी दोनों अत्यधिक बढ़ रहे हैं, मुश्किल है। इस समस्या का समाधान करते हुए, हम डिस्क एंबेडिंग्स विकसित करते हैं, जो DAGs को क्वासी-मीट्रिक स्पेस में एंबेड करने के लिए एक ढांचा है। मौजूदा सर्वोत्तम तरीकों, ऑर्डर एंबेडिंग्स और हाइपरबोलिक एंटेलमेंट कोन, क्रमशः यूक्लिडियन स्पेस और गोलों में डिस्क एंबेडिंग के उदाहरण हैं। इसके अलावा, हम संबंधों के निरंतर विकास को संभालने के लिए एक नया तरीका हाइपरबोलिक डिस्क एंबेडिंग्स का प्रस्ताव करते हैं। हमारे प्रयोगों के परिणाम दिखाते हैं कि हमारे डिस्क एंबेडिंग मॉडल मौजूदा तरीकों को विशेष रूप से पेड़ों के अलावा जटिल DAGs में पीछे छोड़ देते हैं।