Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Одну модель научили делить на группы узлы новых графов с атрибутами, не обучая и не настраивая её заново для каждого набора данных. Работа команды Nanjing University, которая не прошла рецензирование и приводит числа из замеров самих авторов, показала: OFAG обработала весь набор тестов за 12,43 минуты без обучения на целевых графах. Для продуктовой команды это превращает повторяющийся подбор модели в один прямой прогон и обычную кластеризацию полученных представлений.
Синтетические графы заменяют настройку на целевых данных
Атрибутированный граф хранит не только связи между узлами, но и их признаки: например, свойства товара, параметры транзакции или характеристики учётной записи. Кластеризация должна учитывать оба источника, хотя они могут противоречить друг другу: похожие узлы не всегда связаны, а соседи не всегда принадлежат одной группе.
Обычный конвейер обучает отдельную модель для каждого графа. Затем команда подбирает глубину распространения признаков, веса целевых функций и другие параметры. Проверить такой выбор трудно, потому что у задачи нет размеченной контрольной выборки.
OFAG переносит эту работу на предварительное обучение. Генератор CAGM создаёт синтетические графы с разным числом кластеров, несбалансированными группами, непрерывными, категориальными и счётными признаками. Он также меняет связь между атрибутами и топологией и охватывает уровень гомофилии от 0,1 до 0,9. Гомофилия показывает, насколько часто ребро соединяет узлы одной группы.
Модель видит задачи, где полезно сглаживать признаки по соседям, и задачи, где такое сглаживание смешивает разные группы. Поэтому она должна научиться оценивать надёжность структуры и атрибутов, а не закреплять одну стратегию для всех графов. После предварительного обучения параметры фиксируют: целевой граф больше не запускает новый цикл оптимизации.
Каналы признаков модель читает как сигналы на графе
Обычная графовая нейросеть умножает признаки на матрицу с заранее заданным числом строк. Такой слой нельзя напрямую перенести с графа, где у узла десятки признаков, на граф с тысячами признаков. Он также предполагает, что каналы имеют сопоставимый смысл.
Кодировщик SwiFRT обходит это ограничение. Он рассматривает каждый канал как отдельный сигнал, распределённый по узлам, и несколько раз распространяет его через нормализованную матрицу связей. Получается профиль: как значение сохраняется, сглаживается или меняется при переходе к более дальним соседям.
Один и тот же Transformer обрабатывает такие профили независимо от исходного канала. Параметры не привязаны к размерности признаков или их порядку, поэтому кодировщик принимает графы из разных предметных областей. Семантика признака при этом не переносится напрямую: модель сопоставляет характер его взаимодействия со структурой.
На выходе OFAG размещает представления узлов на единичной гиперсфере. Целевая функция сближает узлы одной синтетической группы и раздвигает центры разных групп. На целевом графе достаточно одного прохода модели, после которого представления можно передать методу k-средних или другому алгоритму кластеризации без меток.
Когда OFAG меняет план разработки
OFAG проверили на десяти наборах данных из разных областей, с графами от тысяч до миллионов узлов и с гомофильной и гетерофильной структурой. Одну зафиксированную модель сравнивали с методами, которые обучают и настраивают отдельно. Она получила лучший средний результат и лучший средний ранг по нормализованной взаимной информации, точности кластеризации, скорректированному индексу Rand и F1.
Полный прогон оказался более чем в 6 раз быстрее второго по скорости метода. Метод со вторым результатом по качеству потребовал почти в 28 раз больше вычислительного времени. В разборе компонентов замена Transformer на многослойную нейросеть ухудшила нормализованную взаимную информацию на гетерофильных графах на 2,71 пункта: взаимодействие разных уровней распространения действительно влияет на перенос.
Абсолютный разрыв между режимами остаётся заметным. Средняя нормализованная взаимная информация составила 16,51 пункта на гетерофильных графах против 62,46 на гомофильных. Поэтому лучший средний ранг не означает одинаково надёжную кластеризацию любой структуры.
Работа меняет планы команд, которым приходится регулярно обрабатывать новые графы с несовместимыми наборами признаков. Вместо разработки цикла обучения для каждого клиента или периода можно начать с готовой OFAG, измерить качество кластеров на доступных экспертных проверках и оставить отдельное обучение только для случаев, где перенос не сработал.
Для одного стабильного графа исследование не даёт основания сразу списывать специализированный конвейер: сравнение показывает преимущество в среднем, а не победу на каждом наборе. Практический пилот должен повторять производственную структуру, особенно если связи часто соединяют разные группы. В задачах, где кластеры влияют на решения о людях, результат также придётся отдельно проверять на систематические перекосы.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
