در اینجا شبکه عصبی وجود دارد که می تواند دوست آنلاین بعدی شما را پیش بینی کند

در این پست ما به کار خود بر روی پیش بینی پیوند با مجموعه داده های Twitch ادامه خواهیم داد. ما روی آموزش مدل ML بر اساس شبکه های عصبی نمودار (GNN) و بهینه سازی هایپرپارامترهای آن تمرکز خواهیم کرد. در حال حاضر ما در حال حاضر داده های نمودار پردازش شده و برای آموزش مدل آماده شده اند. مراحل قبلی در قسمت 3 – پردازش داده ها ، قسمت 2 – صادر کردن داده ها از DB و قسمت 1 – بارگیری داده ها به DB شرح داده شده است.

قسمت 1 را در اینجا بخوانید. قسمت 2 در اینجا ؛ و قسمت 3 در اینجا.

انتخاب نوع شبکه عصبی نمودار: GCN و R-GCN

ما از شبکه های عصبی نمودار Convolutional درست مانند آنچه در پست پیش بینی پیوند محلی انجام دادیم استفاده خواهیم کرد ، و گرچه Neptune ML از همان چارچوب DGL.AI استفاده می کند ، مدل زیرین کمی متفاوت است. Neptune ML از هر دو نمودار دانش (نمودارهای همگن با یک نوع گره واحد و یک نوع لبه واحد) و نمودارهای ناهمگن که دارای چندین گره و لبه هستند ، پشتیبانی می کند. مجموعه داده ای که ما با آن کار می کنیم دارای یک نوع گره واحد (کاربر) و یک نوع لبه (دوستی) است. اگرچه یک شبکه حلقوی نمودار (GCN) یا یک نمونه نمودار و نمونه نمودار (نمودار) نیز در این مورد کار می کند ، Neptune ML به طور خودکار یک مدل شبکه Convolutional نمودار رابطه ای (R-GCN) را برای مجموعه داده هایی با خصوصیات گره انتخاب می کند که ممکن است از گره متفاوت باشد. به گره ، همانطور که در اینجا توضیح داده شده است. به طور کلی ، …