TAHAN: Type-Aware Heterogeneous Graph Attention Network

في العالم الرقمي، نادراً ما توجد البيانات في صفوف موحدة ومنظمة. بدلاً من ذلك، تشكل شبكات متشابكة وواسعة حيث ترتبط الأشياء المختلفة ببعضها البعض بطرق معقدة. فكر في شبكة اجتماعية حيث يرتبط الناس ليس فقط بأشخاص آخرين، بل أيضاً بالأماكن التي يزورونها، والوظائف التي يشغلونها، والمقالات التي يكتبونها. أو تأمل في قاعدة بيانات طبية حيث ترتبط الأمراض بالجينات، والمواد الكيميائية، والأنواع. هذه ليست مجرد قوائم بسيطة من الاتصالات؛ بل هي رسوم بيانية غير متجانسة (heterogeneous graphs)، وهي هياكل يحمل فيها كل عقدة وكل رابط هوية ومعنى محددين. لعقود من الزمن، جاهد علماء الحاسوب لتعليم الآلات كيفية قراءة هذه الشبكات. فغالباً ما تعامل الأدوات القياسية كل اتصال على أنه متماثل، مما يؤدي إلى طمس الفروق الجوية بين علاقة صداقة، أو استشهاد مرجعي، أو تفاعل كيميائي. وهذا القصور يعني أنه عندما تحاول الحواسيب التعلم من هذه البيانات، فإنها تفتقد السياق الدقيق الذي يجعل العلاقات ذات معنى، مما يؤدي إلى تنبؤات دقيقة فقط بشكل سطحي.

لقد طور فريق من الباحثين من جامعات في المغرب نهجاً جديداً لحل هذه المشكلة، وهو نهج يولي اهتماماً وثيقاً للأنواع المحددة للأشياء المشاركة في كل اتصال. أطلقوا على طريقتهم اسم TAHAN، وهو نظام مصمم لفهم الدور الفريد لكل نوع من الكيانات داخل الشبكة. وبدلاً من حشر جميع الاتصالات في وعاء واحد عام، يبني TAHAN خريطة مفصلة لمحيط العقدة من خلال النظر في الأنواع المختلفة من جيرانها. فهو يعامل الجيران من النوع نفسه — مثل جميع المؤلفين المرتبطين بورقة بحثية معينة — كمجموعة متميزة، ويحلل كيفية ارتباطهم ببعضهم البعض. ثم يتراجع خطوة إلى الوراء لينظر في كيفية مساهمة هذه المجموعات المختلفة، مثل المؤلفين والأوراق البحثية والمؤتمرات، في الصورة العامة. ومن خلال فصل تحليل هذه المجموعات ثم إعادة دمجها بعناية، يخلق النظام فهماً أغنى بكثير للبيانات مما سمحت به الطرق السابقة.

اختبر الباحثون هذا النظام الجديد على عدة شبكات من الواقع، بما في ذلك رسوم الاستشهاد الأكاديمي، وقواعد بيانات الأفلام، وشبكات الاستماع للموسيقى. وفي هذه الاختبارات، طلبوا من الحاسوب القيام بمهام مثل تحديد المجال البحثي الذي ينتمي إليه عالم، أو تجميع الأفلام حسب النوع، أو التنبؤ بالروابط التي من المحتمل أن توجد في الشبكة. وأظهرت النتائج أن TAHAN حقق أداءً متفوقاً في عدة مجموعات بيانات، بما في ذلك الأوراق الأكاديمية وسجلات الأفلام، متفوقاً في كثير من الأحيان على النماذج الرائدة الحالية. فعلى سبيل المثال، في مجموعة بيانات الأوراق الأكاديمية، حققت الطريقة الجديدة دقة أعلى في تصنيف المؤلفين إلى مجالات بحثية من أي نموذج آخر تم اختباره. ومع ذلك، في مجموعة بيانات ACM، جاء في المرتبة الرابعة خلف نماذج SeHGNN وHGNN-NHSA وSimple-HGNN. ورغم هذا التباين، كان النظام أفضل في تجميع العناصر المتشابهة معاً والتنبؤ بالاتصالات المفقودة في الشبكة في معظم الاختبارات المرجعية. ولم يكن التحسن هامشياً؛ ففي بعض الحالات، كانت الطة الجديدة أكثر دقة بشكل ملحوظ من أفضل المحاولات السابقة، مما يشير إلى أن الطريقة التي تتعامل بها مع أنواع المعلومات المختلفة هي متفوقة حقاً.

إن ما يجعل هذا النهج ناجحاً هو عملية من خطوتين من "الاهتمام" (attention). أولاً، يجمع النظام معلومات من جيران العقدة، لكنه لا يخلطهم جميعاً معاً على الفور. بدلاً من ذلك، ينظمهم حسب نوعهم. فهو ينظر إلى جميع المؤلفين المرتبطين بورقة بحثية ويسأل: "أي من هؤلاء المؤلفين هم الأكثر أهمية لهذه الورقة البحثية تحديداً؟". ويفعل الشيء نفسه بالنسبة للمؤتمرات أو المصطلحات المرتبطة بتلك الورقة. تضمن هذه الخطوة أن يفهم النظام السياق المحدد لكل علاقة. وفي الخطوة الثانية، يأخذ النظام الملخصات التي أنشأها لكل مجموعة ويقرر مقدار الوزن الذي يجب إعطاؤه لكل منها. فقد يقرر أنه بالنسبة لمؤلف معين، فإن الأوراق التي كتبها هي الإشارة الأكثر أهمية، بينما بالنسبة لآخر، فإن المؤتمرات التي حضرها هي الأكثر أهمية. هذا الوزن المرن الواعي بالنوع يسمح للنموذج بالتكيف مع الهيكل الفريد لكل عقدة في الشبكة.

كما بحث الباحثون فيما يحدث عند إزالة أجزاء من هذا النظام لمعرفة الأجزاء الضرورية حقاً. ووجدوا أن الخطوة التي يتعلم فيها النظام كيفية دمج أنواع المعلومات المختلفة هي الأكثر أهمية. فإذا أجبروا النظام على مجرد حساب متوسط المعلومات من جميع الأنواع دون تعلم أي منها أكثر أهمية، انخفض الأداء بشكل كبير. وهذا يشير إلى أن القدرة على تحديد نوع الجار الأكثر أهمية ديناميكياً هي مفتاح نجاح النظام. كما بحثوا في عدد الجيران الذين يجب أن ينظر إليهم النظام للحصول على أفضل النتائج، ووجدوا أن النظر في عدد معتدل من الجيران كان كافياً عادةً، وأن النظر إلى عدد كبير جداً لم يساعد دائماً، بل أضر أحياناً بالدقة. وهذا يشير إلى أن النظام فعال ولا يحتاج إلى معالجة كل اتصال ممكن لفهم الشبكة.

بعيداً عن مجرد الحصول على درجات أفضل في الاختبارات، يوفر النظام نافذة على كيفية عمل الشبكة بالفعل. فقد فحص الباحثون أوزان الاهتمام التي تعلمها النموذج ووجدوا أنها منطقية؛ فبالنسبة لمؤلف في مجال قواعد البيانات، وضع النظام أعلى أهمية على المؤلفين الآخرين الذين يعملون أيضاً في قواعد البيانات. وبالنسبة لمؤلف في الذكاء الاصطناعي، ركز على باحثي الذكاء الاصطناعي الآخرين. لم يكن النموذج يخمن فحسب، بل كان يتعلم البنية الدلالية للشبكة، مدركاً أن الأشخاص في نفس المجال يميلون إلى التكتل معاً. وهذه القدرة على تفسير قراراته الخاصة هي ميزة قيمة، لأنها تسمح للباحثين بالوثوق بتنبؤات النموذج وفهم الأنماط الكامنة في البيانات.

كما تناول البحث تحدي النطاق (scale). فالعديد من الشبكات الواقعية ضخمة، وتحتوي على ملايين العقد والاتصالات. وقد اختبر الباحثون طريقتهم على شبكة أكاديمية هائلة تضم أكثر من ثلاثة ملايين ورقة بحثية وما يقرب من مليوني مؤلف. وحتى في هذه المجموعة الضخمة من البيانات، صمدت الطريقة الجديدة، متفوقة على النماذج الأخرى المصممة للتعامل مع البيانات واسعة النطاق. وهذا يشير إلى أن النهج ليس مجرد تحسين نظري، بل هو حل عملي يمكن تطبيقه على مجموعات البيانات الضخمة والمعقدة التي تحدد علم البيانات الحديث. وأشار الباحثون إلى أنه بينما يتطلب النظام بعض الإعداد الأولي لتنظيم البيانات، فإن الوقت الذي يستغرقه تدريب النموذج يضاهي الطرق الرائدة الأخرى، مما يجعله خياراً قابلاً للتطبيق في التطبيقات الواقعية.

في نهاية المطاف، يمثل هذا العمل تحولاً في كيفية تعليم الحواسيب فهم العلاقات المعقدة. فبدلاً من معاملة جميع الاتصالات على أنها متساوية، يحترم المنهج الجديد تنوع البيانات. إنه يقر بأن الرابط بين شخص ومكان يختلف عن الرابط بين شخص ووظيفة، وأن هذه الاختلافات تحمل معلومات حيوية. ومن خلال بناء نموذج يمكنه التمييز بين هذه الأنواع وتعلم كيفية وزنها بشكل مناسب، نجح الباحثون في إنشاء أداة أكثر دقة وكفاءة وقابلية للتفسير. ومع توليد عالمنا لمزيد من البيانات المترابطة، من وسائل التواصل الاجتماعي إلى الأنظمة البيولوجية، ستصبح القدرة على التنقل عبر هذه الشبكات غير المتجانسة بهذه الدقة أمراً بالغ الأهمية. إن نجاح TAHAN يشير إلى أن مستقبل تعلم الرسوم البيانية لا يكمن في جعل كل شيء موحداً، بل في احتضان التعقيد الذي يجعل بياناتنا غنية وذات معنى.