محققان در مقالهای جدید، معماری نوآورانهای به نام AlignGAE را معرفی کردهاند که مشکل رایج مدلهای یادگیری گراف در مواجهه با دادههای ناهمگن (Heterophilous) را حل میکند.
این مدل با استفاده از یک رویکرد دوگانه (Dual-Encoder) و همترازسازی دادههای ساختاری و ویژگیها، اجازه نمیدهد اطلاعات مهم در حین یادگیری نادیده گرفته شوند. در واقع، AlignGAE برخلاف مدلهای قدیمی که فقط روی ارتباطات همسان تمرکز داشتند، اکنون میتواند الگوهای پیچیدهتر را بسیار دقیقتر شناسایی کند. این دستاورد گامی بزرگ برای بهبود سیستمهای پیشنهاددهنده و تحلیل شبکههای اجتماعی مبتنی بر هوش مصنوعی است. 🚀
منبع: arXiv Machine Learning