Skip to content
بازگشت به نتایج جست‌وجو

شبکه توجه گراف

معرفی‌شده توسط
Veličković, P. et al.
سال
2018
نوع
Graph neural network (attention-based)

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

شبکه توجه گراف (GAT)، که توسط ولیچکوویچ و همکارانش در سال ۲۰۱۸ معرفی شد، نوعی شبکه عصبی گراف است که از طریق یک سازوکار خودتوجهی می‌آموزد که چه میزان اهمیت به هر گره همسایه اختصاص دهد. این شبکه در همسایگی‌های ناهمگون و طبقه‌بندی رابطه‌ای، نتایجی برتر از شبکه‌های پیچشی گراف (GCN) ارائه می‌دهد.

شهود پشت روش

هنگامی که داده‌ها روی یک گراف قرار دارند، هر گره نه تنها با ویژگی‌های خود، بلکه با همسایگانش نیز توصیف می‌شود. شبکه‌های گراف اولیه، هنگام ترکیب اطلاعات همسایگان، با همه آنها به یک اندازه رفتار می‌کردند. اما GAT به هر گره اجازه می‌دهد تا بیاموزد کدام همسایگان برای انجام وظیفه بیشترین اهمیت را دارند و سهم آنها را بر این اساس وزن‌دهی می‌کند، بنابراین یک گره بیشتر از ارتباطات واقعاً آموزنده و کمتر از ارتباطات غیرآموزنده بهره می‌برد.

تاریخ

شبکه‌های توجه گراف توسط ولیچکوویچ و همکارانش در ICLR 2018 معرفی شدند و خودتوجهی را به شبکه‌های عصبی گراف آوردند تا اهمیت هر همسایه به جای ثابت بودن، آموخته شود. یک پیگیری در سال ۲۰۲۲ توسط برودی و همکارانش با عنوان «شبکه‌های توجه گراف چقدر توجه‌کننده هستند؟»، بیان‌کنندگی فرمولاسیون توجه اصلی را بررسی کرد و یک اصلاحیه پیشنهاد داد که درک عمیق‌تری از نحوه توجه واقعی GAT به همسایگانش ارائه می‌دهد.

چه زمانی استفاده شود

زمانی از GAT استفاده کنید که داده‌های شما از قبل ساختار گرافی با ویژگی‌های گره محاسبه‌شده دارند و به طبقه‌بندی گره یا یادگیری رابطه‌ای نیاز دارید، معمولاً با حداقل حدود ۲۰۰ گره و در حالت ایده‌آل چند صد گره یا بیشتر. این روش داده‌های با توزیع نرمال را فرض نمی‌کند و با ویژگی‌های گره پیوسته و طبقه‌ای کار می‌کند. استفاده از GPU توصیه می‌شود. در گراف‌های با کمتر از تقریباً ۵۰۰ گره، وزن‌های توجه به طور قابل اعتمادی آموخته نمی‌شوند و بیش‌برازش (overfitting) به یک خطر تبدیل می‌شود؛ در گراف‌های بسیار کوچک (کمتر از حدود ۱۰۰ گره) روش‌های یادگیری ماشین کلاسیک انتخاب ایمن‌تری هستند.

محدودیت‌ها و ملاحظات

  • به یک ساختار گراف موجود و ویژگی‌های گره از پیش محاسبه‌شده نیاز دارد.
  • استفاده از GPU توصیه می‌شود؛ آموزش از نظر محاسباتی پرهزینه است.
  • در گراف‌های کوچک (کمتر از حدود ۵۰۰ گره)، وزن‌های توجه به طور قابل اعتمادی آموخته نمی‌شوند و مدل دچار بیش‌برازش می‌شود.
  • در شبکه‌های بسیار کوچک (کمتر از حدود ۱۰۰ گره)، مدل بی‌معنی می‌شود و روش‌های یادگیری ماشین کلاسیک ارجحیت دارند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • اهمیت همسایه را از طریق خودتوجهی می‌آموزد، به جای اینکه با همه همسایگان به یک اندازه رفتار کند.
  • در همسایگی‌های ناهمگون و طبقه‌بندی رابطه‌ای، عملکردی بهتر از شبکه‌های پیچشی گراف (GCN) دارد.
  • مفروضات کم: نیازی به نرمال بودن ندارد و ویژگی‌های گره پیوسته و طبقه‌ای را مدیریت می‌کند.
  • چندین سر توجه، یادگیری را در داده‌های با ساختار گراف پایدار می‌کنند.

کاربردها

  • طبقه‌بندی گره در داده‌های با ساختار گراف.
  • یادگیری رابطه‌ای در میان موجودیت‌های متصل.
  • مدل‌سازی همسایگی‌های ناهمگون که در آنها GCN عملکرد ضعیفی دارد.
  • وظایفی که در آنها اهمیت نسبی ارتباطات باید آموخته شود.

چگونه کار می‌کند

چگونه کار می‌کند

1

هر گره و ویژگی‌های آن ابتدا توسط یک ماتریس وزن مشترک تبدیل می‌شوند. سپس مدل برای هر جفت گره متصل، یک امتیاز توجه محاسبه می‌کند که میزان ارتباط یک همسایه با دیگری را اندازه‌گیری می‌کند و این ایده را به تصویر می‌کشد که همه ارتباطات وزن یکسانی ندارند.

فرمول
e_{ij} = a(W h_i, W h_j)
2

امتیازات توجه خام برای همه همسایگان یک گره از طریق یک تابع سافت‌مکس (softmax) عبور داده می‌شوند تا مجموع آنها به یک برسد. این کار آنها را به وزن‌های اهمیت قابل مقایسه تبدیل می‌کند و به گره می‌گوید که چه کسری از نمایش به‌روز شده آن باید از هر همسایه باشد.

فرمول
\alpha_{ij} = \operatorname{softmax}_j(e_{ij})
3

هر گره نمایش جدید خود را به عنوان مجموع وزن‌دهی‌شده با توجه از ویژگی‌های تبدیل‌شده همسایگان خود، که از طریق یک تابع غیرخطی عبور داده شده است، می‌سازد. استفاده از چندین سر توجه به صورت موازی این فرآیند را پایدار می‌کند، و انباشت لایه‌ها اجازه می‌دهد اطلاعات در همسایگی‌های بزرگ‌تر جریان یابد، که همین امر به GAT برتری آن را در گراف‌های ناهمگون و رابطه‌ای می‌دهد.

فرمول
h_i' = \sigma\!\left(\sum_{j \in \mathcal{N}_i} \alpha_{ij} W h_j\right)

دام‌های رایج

  • اعمال GAT به یک گراف کوچک که در آن وزن‌های توجه به طور قابل اعتمادی آموخته نمی‌شوند و منجر به بیش‌برازش می‌شود.
  • فراموش کردن اینکه یک ساختار گراف قابل استفاده باید قبل از اعمال مدل وجود داشته باشد.
  • محاسبه یا ارائه ناسازگار ویژگی‌های گره، که سازوکار توجه به آن وابسته است.
  • آموزش بدون GPU و دست‌کم گرفتن هزینه محاسباتی.

پرسش‌های متداول

GAT چه تفاوتی با شبکه پیچشی گراف (GCN) دارد؟

GCN همسایگان یک گره را با وزن‌هایی ترکیب می‌کند که فقط به ساختار گراف بستگی دارند و با ارتباطات به روشی ثابت رفتار می‌کند. در مقابل، GAT وزن‌های توجه را می‌آموزد تا هر گره تصمیم بگیرد کدام همسایگان بیشترین اهمیت را دارند، به همین دلیل است که در همسایگی‌های ناهمگون و طبقه‌بندی رابطه‌ای عملکرد بهتری دارد.

GAT به چه میزان داده نیاز دارد؟

این روش برای گراف‌هایی با حداقل حدود ۲۰۰ گره در نظر گرفته شده است. در گراف‌های با کمتر از تقریباً ۵۰۰ گره، وزن‌های توجه به طور قابل اعتمادی آموخته نمی‌شوند و بیش‌برازش به یک خطر واقعی تبدیل می‌شود، و در شبکه‌های بسیار کوچک (کمتر از حدود ۱۰۰ گره)، روش‌های یادگیری ماشین کلاسیک انتخاب بهتری هستند.

آیا برای استفاده از GAT به GPU نیاز دارم؟

استفاده از GPU توصیه می‌شود. GAT به عنوان یک مدل یادگیری عمیق که بر روی همسایگی‌های گراف با چندین سر توجه آموزش می‌بیند، از نظر محاسباتی پرهزینه است و GPU آموزش را عملی می‌کند.

قبل از اعمال GAT به چه چیزهایی نیاز دارم؟

شما به یک ساختار گراف موجود و ویژگی‌های گره که قبلاً محاسبه شده‌اند نیاز دارید، زیرا سازوکار توجه بر روی ویژگی‌های گره‌های متصل عمل می‌کند.

روش‌های مرتبط

منابع

  1. Veličković, P. et al. (2018). Graph Attention Networks. ICLR.

    باز کردن مرجع انتشار
    کپی شد.
  2. Brody, S. et al. (2022). How Attentive are Graph Attention Networks? ICLR.

    باز کردن مرجع انتشار
    کپی شد.