10248

شبكه‌هاي گرافي توجه رابطه‌اي

1399

دكتر مرتضي آنالويي

شبكه‌هاي‌ گرافي توجه در سال‌هاي اخير توانسته‌اند عملكرد قدرتمندي از خود بر روي بسياري از مسئله‌هاي مرتبط با گراف نشان دهند. گراف‌هاي رابطه‌اي زيرمجموعه‌اي از گراف‌ها هستند كه نوع رابطه‌ي برقرار بين گره‌ها را نيز شامل مي‌شوند و از جمله مشهورترين آن‌ها مي‌توان به گراف‌هاي دانش اشاره كرد. با اين حال، ضابطه‌ي اصلي شبكه گرافي توجه قادر به در نظر گرفتن نوع رابطه‌ي برقرار بين جفت گره‌ها نيست و نمي‌تواند از اطلاعات ارزشمند نهفته در گراف‌هاي رابطه‌اي بهره ببرد. اين ارائه بر روي آن دسته از معماري‌هاي بر پايه شبكه گرافي توجه تمركز دارد كه مي‌توانند بصورت مستقيم بر خاصيت رابطه‌اي گراف‌ها چيره شوند. در اين سمينار به بررسي و مقايسه رويكردهاي نويني كه در پژوهش‌هاي اخير معرفي شده‌اند خواهيم پرداخت و از جمله‌ي آن‌ها مي‌توان به استفاده از وزن‌هاي قابل آموزش ويژه‌ي رابطه، توجه سلسله‌مراتبي،‌ توجه آگاه به رابطه، تركيب ويژگي‌هاي گره و رابطه و بازنمايي چندكاناله اشاره كرد. علاوه بر اين، محدوديت‌ها و ايرادهاي هر مدل مورد بحث قرار گرفته و مشخصه‌هاي برتر هركدام از آن‌ها كه مي‌توانند ما را در طراحي يك مدل قدرتمند به عنوان پژوهش آينده كمك كنند معرفي مي‌شوند. همچنين در هيچ‌كدام از مدل‌هاي مورد بررسي به مشكل مكانيزم توجه ايستا اشاره‌اي نشده، حال آنكه اين مشكل مي‌تواند به آساني توسط نسخه دوم شبكه گرافي توجه رفع شود. با توجه به يافته‌ها، يك مدل جديد بايد بتواند از مكانيزم توجه پويا و سلسله‌مراتبي بصورت چندكاناله بهره ببرد و همچنين ويژگي‌هاي رابطه‌ها را نيز در نظر گيرد.

12/1/2021 12:00:00 AM

73400

1400/09/26

Relational Graph Attention Networks

شبكه‌هاي عصبي گرافي , شبكه‌هاي گرافي توجه , يادگيري عميق هندسي , گراف‌هاي دانش , گراف‌هاي رابطه‌اي

Graph Neural Networks , Graph Attention Networks , Geometric Deep Learning , Knowledge Graphs , Relational Graphs