एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
ग्राफ स्व-पर्यवेक्षित शिक्षण
एक शिक्षण प्रतिमान जहाँ ग्राफ मॉडल स्पष्ट लेबल के बिना ग्राफ की संरचना से स्वचालित रूप से पर्यवेक्षण कार्य उत्पन्न करके प्रतिनिधित्व सीखते हैं।
विरोधाभासी ग्राफ शिक्षण
एक स्व-पर्यवेक्षित शिक्षण दृष्टिकोण जो एक ही नोड या ग्राफ के विभिन्न संवर्धित दृश्यों के बीच समझौते को अधिकतम करके और विभिन्न उदाहरणों के बीच समझौते को कम करके ग्राफ प्रतिनिधित्व सीखता है।
ग्राफ मास्किंग
एक प्रॉक्सी कार्य जिसमें एक ग्राफ में नोड्स, किनारों या विशेषताओं को यादृच्छिक रूप से मास्क किया जाता है और लुप्त तत्वों को पुनर्निर्माण करने के लिए मॉडल को प्रशिक्षित किया जाता है, जिससे मजबूत प्रतिनिधित्व सीखने के लिए बाध्य किया जाता है।
ग्राफ संवर्धन
अर्थ-संरक्षण संरचनात्मक या गुणात्मक परिवर्तनों के माध्यम से एक ग्राफ के वैकल्पिक दृश्य बनाने की तकनीक, जिसका उपयोग विरोधाभासी शिक्षण में सकारात्मक जोड़े उत्पन्न करने के लिए किया जाता है।
नोड प्रतिनिधित्व शिक्षण
एक कम-आयामी वेक्टर स्पेस में नोड्स की संरचनात्मक और अर्थात्मक विशेषताओं को पकड़ने वाले घने वेक्टर (एम्बेडिंग्स) सीखने की प्रक्रिया।
किनारा प्रतिनिधित्व शिक्षण
ग्राफ के किनारों के लिए एम्बेडिंग सीखना जो नोड्स के बीच संबंधों और इंटरैक्शन को एन्कोड करते हैं, जो लिंक प्रेडिक्शन और एज क्लासिफिकेशन के लिए महत्वपूर्ण है।
ग्राफ प्रीटेक्स्ट कार्य
ग्राफ की संरचना से ही कृत्रिम रूप से निर्मित कार्य, जो डाउनस्ट्रीम कार्यों में स्थानांतरण से पहले स्व-पर्यवेक्षित शिक्षण के लिए प्रशिक्षण संकेत के रूप में कार्य करते हैं।
ग्राफ संदर्भ भविष्यवाणी
एक स्व-पर्यवेक्षित कार्य जिसमें स्थानीय प्रतिनिधित्व से एक नोड के संरचनात्मक संदर्भ (जैसे उसके k-हॉप पड़ोसी) या ग्राफ के वैश्विक गुणों की भविष्यवाणी की जाती है।
ग्राफ क्लस्टरिंग
एक अनिरीक्षित प्रॉक्सी कार्य जो प्रतिनिधित्व अधिगम के लिए उपयोग किया जाता है, जहां नोड्स को एम्बेडिंग स्पेस में उनकी संरचनात्मक या विशेषता समानता के आधार पर क्लस्टरों में समूहित किया जाता है।
ग्राफ अटेंशन मैकेनिज्म
तंत्र जो सूचना एकत्रीकरण के दौरान पड़ोसियों के लिए अटेंशन वेट को गतिशील रूप से गणना करते हैं, जिससे मॉडल पड़ोसी के सबसे प्रासंगिक हिस्सों पर ध्यान केंद्रित कर सकता है।
ग्राफ ऑटोएन्कोडर्स
एन्कोडिंग-डिकोडिंग मॉडल जो मूल ग्राफ की संरचना या विशेषताओं का पुनर्निर्माण करके ग्राफ की संपीड़ित निरूपण सीखते हैं, जिनका अक्सर स्व-पर्यवेक्षित अधिगम के लिए उपयोग किया जाता है।
ग्राफ मैसेज पासिंग
एक मौलिक पैराडाइम जहां नोड्स कई पुनरावृत्तियों में अपने पड़ोसियों के साथ जानकारी का आदान-प्रदान और एकत्रीकरण करते हैं, जिससे ग्राफ संरचना के माध्यम से जानकारी का प्रसार होता है।