الشبكة العصبية البيانية المتغايرة التوليدية التباينية

يمكن للرسوم البيانية المتغايرة (HGs) نمذجة العلاقات المعقدة في العالم الحقيقي بشكل فعال عن طريق العقد والروابط متعددة الأنواع. في السنوات الأخيرة، وبإلهام من التعلم الذاتي الإشراف، أظهرت الشبكات العصبية البيانية المتغايرة التباينية (HGNNs) إمكانات كبيرة من خلال استخدام تعزيز البيانات والمميزين للمهام اللاحقة. ومع ذلك، لا يزال تعزيز البيانات محدودًا بسبب الطبيعة المتقطعة والمجردة للرسوم البيانية. لمعالجة هذه القيود، نقترح شبكة عصبية بيانية متغايرة توليدية تباينية جديدة (GC-HGNN). على وجه التحديد، نقترح أولاً نمطًا تباينيًا محسنًا بالتعلم التوليدي للرسوم البيانية المتغايرة. يشمل هذا النمط: 1) استراتيجية تعزيز منظور تبايني باستخدام الترميز التلقائي المقنع. 2) استراتيجية أخذ عينات إيجابية واعية للموقع والمعاني لتوليد عينات سلبية صعبة. 3) استراتيجية تعلم تبايني هرمي لالتقاط المعلومات المحلية والعالمية. علاوة على ذلك، تهدف استراتيجيات التعلم التبايني الهرمي وأخذ العينات إلى تكوين مميز محسن ضمن المنظور التوليدي التبايني. أخيرًا، نقارن نموذجنا مع سبعة عشر نموذجًا أساسيًا على ثمانية مجموعات بيانات من الواقع الحقيقي. يتفوق نموذجنا على أحدث النماذج التباينية والتوليدية في مهام تصنيف العقد وتنبؤ الروابط. لإعادة إنتاج عملنا، قمنا بنشر شفرتنا مفتوحة المصدر على https://github.com/xxx.