Νευρωνικά δίκτυα γράφων στην επιχειρηματική αναλυτική

Abstract

Η παρούσα διπλωματική επιδιώκει τη μελέτη των υπαρχουσών λύσεων στο πρόβλημα της πρόβλεψης των ακμών στα Νευρωνικά Δίκτυα Γράφων (GNN), εστιάζοντας στο σύνολο δεδομένων της Wikidata. Παρουσιάζει ακόμη την ανάλυση του πηγαίου κώδικα σε μια εκ των λύσεων. Τα δεδομένα περιέχουν όλα τα item των ανθρώπινων οντοτήτων που περιέχονταν στη Wikidata. Αυτά προήλθαν από το αποθετήριο δεδομένων Open Graph Benchmark (OGB) και ανακτήθηκαν μέσω της βιβλιοθήκη ogb_wikikg2. Ο κώδικας πρόβλεψης που χρησιμοποιήθηκε, αξιοποιεί 2.500.604 οντότητες και 17.137.181 σε αριθμό ακμές μεταξύ αυτών. Ο αλγόριθμος που αναλύθηκε είναι σε γλώσσα Python. Τα ερευνητικά ερωτήματα της εργασίας επικεντρώνονται στα εξής: (1) Πόσο εφικτή είναι η ανάκτηση ενός μέρους του συνόλου δεδομένων ogb_wikikg2, με τη χρήση query. (2) Είναι εφικτό να λειτουργήσει ο αλγόριθμος σε έναν απλό υπολογιστή. (3) Ποιες είναι οι απαραίτητες ρυθμίσεις για να τρέξει ο αλγόριθμος. Στο πρώτο μέρος της εργασίας μας παρουσιάζεται το αποθετήριο OGB, τα GNN, η Wikidata και η περιγραφή της μεθοδολογίας που ακολουθήθηκε. Έπειτα ακολουθεί η δημιουργία κατάλληλου query, το αποτέλεσμα του οποίου προσομοιάζει τα δεδομένα που χρησιμοποιούνται στο μοντέλο. Ακολουθεί η ανάλυση των βημάτων προεπεξεργασίας των δεδομένων και η πρόβλεψη μέσω της μετρικής Mean Reciprocal Rank (MRR), μέσω ποικίλων μεθόδων του GNN. Παρουσιάζουμε τα αποτελέσματα της πρόβλεψης του ήδη υπάρχοντος μοντέλου, που πάρθηκε από το αποθετήριο του OGB. Τέλος, παραθέτουμε τα αποτελέσματα του tuning στις παραμέτρους του αλγορίθμου. To tuning εφαρμόστηκε για να βρεθεί η βέλτιστη τιμή της μετρικής, με τη χρήση παραμέτρων που ανταποκρίνεται στη δική μας υπολογιστική ισχύ.