تعتبر الشبكات العصبية الرسومية (Graph Neural Networks - GNNs) من أدوات الذكاء الاصطناعي المهمة التي أثبتت جدواها في نمذجة البيانات العلائقية، ولكن معظم هذه النماذج تفترض وجود التشابه بين العقد (homophily). ومع ذلك، تكشف العديد من الرسوم البيانية في العالم الحقيقي عن تنوع كبير حيث تنتمي العقد المتصلة إلى فئات مختلفة أو تمتلك خصائص متنوعة، مثل صفحات الويب، مقالات ويكيبديا، والشبكات الاجتماعية، وحتى منصات التجارة الإلكترونية.

هنا تظهر أهمية الرسوم البيانية ذات النصوص المتنوعة (heterophilic text-attributed graphs - TAGs). هذه الرسوم البيانية، على الرغم من أهميتها، لم يتم استكشافها بشكل كافٍ بسبب نقص المعايير الخاصة التي تعكس البُنى المتنوعة والصفات النصية الغنية معًا. لدخول هذا الحقل النادر، نقدم معيار HeTGB، المعيار الجديد والذي يتألف من خمسة مجموعات بيانات حقيقية تُظهر تنوع الرسوم البيانية من مجالات مختلفة، حيث تم إثراء العقد من خلال أوصاف نصية شاملة.

يتيح HeTGB تقييمًا منهجيًا للشبكات العصبية الرسومية، والنماذج اللغوية المدربة مسبقًا (pre-trained language models - PLMs) وطرق التدريب المشترك في مهمة تصنيف العقد. ومن خلال مجموعة واسعة من التجارب، نستعرض جدوى الصفات النصية في الرسوم البيانية المتنوعة، ونحلل التحديات التي تطرحها TAGs، ونستعرض حدود النماذج الحالية. كما نقدم رؤى حول التفاعل بين التركيب الرسومي والصفات النصية، مما يجعل HeTGB أداة حيوية للبحث والتطوير في هذا المجال.