في عالم التعلم الآلي، يظهر الإبداع بشكل متواصل مع الابتكارات الجديدة التي تعزز من فعالية البحث والمعالجة. في هذا السياق، نقدم لكم إطار PLACE (التعلم السريع للبحث المجتمعي المعتمد على السمات)، وهو إطار مبتكر في علم الرسوم البيانية يهدف إلى تحسين دقة استعلامات البحث المجتمعي.

استلهم FRAME من تقنيات التعلم عبر التحفيز (Prompt Tuning) المستخدمة في معالجة اللغة الطبيعية (Natural Language Processing) حيث يتم إدخال رموز تعلم قابلة للتعديل لتحسين استعلامات اللغة. يقوم PLACE بإدماج رموز هيكلية ورموز تحفيزية قابلة للتعلم داخل الرسم البياني كآلية لتنقيح الاستعلامات المعتمدة على السياق، مما يؤدي إلى تشكيل رسم بياني محسن بالتحفيز (Prompt-Augmented Graph).

تلعب الرموز المتعلمة في هذا الإطار دور الجسر الذي يقوي الروابط بين عقد الرسم البياني ذات الصلة باستعلام معين، مما يمكّن الشبكات العصبية الرسومية (Graph Neural Networks) من تحديد الأنماط الهيكلية والتشابهات في السمات بفاعلية أكبر.

لقد تم استخدام نموذج التدريب المتبادل (Alternating Training Paradigm) لتحسين كلٍ من معلمات الرموز والشبكات العصبية الرسومية بشكل متزامن. ولتعزيز قابلية التوسع، تم تصميم استراتيجية التقسيم والتغلب (Divide-and-Conquer Strategy)، مما يمكّن النموذج من التعامل مع الرسوم البيانية بحجم يصل إلى الملايين من العقد.

تظهر التجارب الشاملة التي أجريت على 9 رسومات بيانية حقيقية مدى فعالية PLACE في ثلاثة أنواع من استعلامات البحث المجتمعي، حيث يحقق PLACE درجات F1 أعلى بـ 22% مقارنة بالأساليب الحالية المعتمدة. هذا البحث يدعم أهمية تطوير تقنيات أكثر تقدماً لدعم الفعاليات والبحث في الرسوم البيانية الكبيرة.