الشبكة العصبية البيانية (Graph Neural Network) هو مصطلح ظهر في مقالات قرمصيص ويستحق شرحاً مستقلاً. شبكة عصبية تتعلم من بيانات ممثلة كعُقد وروابط وسمات مرتبطة بها. فهمه يساعدك على قراءة الشروحات ونتائج التجارب من غير خلط بين الاسم ووظيفته الفعلية.
باختصار
شبكة عصبية تتعلم من بيانات ممثلة كعُقد وروابط وسمات مرتبطة بها.
بالتفصيل
تجمع كل عقدة رسائل من جيرانها وتحدّث تمثيلها عبر طبقات متتابعة. هذا يجعل النموذج مناسباً للعلاقات التي لا تمثلها الجداول أو الصور جيداً، مثل الشبكات الاجتماعية والجزيئات وأنظمة التوصية.
الفكرة العملية هي النظر إلى مكان المصطلح داخل خط العمل: ما البيانات التي تدخل إليه، وما النتيجة التي ينتجها، وما التكلفة أو الافتراض الذي يضيفه. المقارنة العادلة تحتاج تجربة على بيانات منفصلة ومقياس مناسب، لا الاعتماد على الاسم أو الشهرة وحدهما.
مثال عملي
في كشف الاحتيال تمثل الحسابات عقداً والتحويلات روابط، فتتعلم الشبكة نمط مجموعات الحسابات المتعاونة لا خصائص حساب منفرد فقط.
خلي بالك: زيادة الطبقات قد تمزج التمثيلات أكثر من اللازم، كما أن بناء الرسم وجودة الروابط يؤثران مباشرة في النتيجة.
مصطلحات مرتبطة
Knowledge Graph، Neural Network، Embedding. قراءة هذه المصطلحات معاً توضح العلاقة بين البيانات والتدريب والتقييم والتشغيل.
المصادر: TensorFlow
