Авторы: Пойкалайнен А.М., Кочкаров Р.А.

Графовые нейронные сети (GNN) стали важным инструментом для анализа структурированных данных в таких областях, как рекомендательные системы, биоинформатика и обнаружение аномалий. Традиционные GNN предполагают гомофилию, что означает, что связанные узлы имеют схожие характеристики и метки. Однако это ограничивает их применение в условиях гетерофилии, где связанные узлы различны (рис.1). Мы анализируем метод AMUD‑ADPA, который позволяет повысить производительность GNN в условиях гомофилии и гетерофилии, используя данные о действиях пользователей на платформе массовых открытых онлайн‑курсов (MOOC).

Метод AMUD‑ADPA, разработанный для улучшения производительности графовых нейронных сетей в условиях гомофилии и гетерофилии, показал свою эффективность на наборе данных MOOC, превзойдя показатели базовых моделей GNN в среднем на 3,6%. Применение метода AMUD‑ADPA может привести к созданию более точных и адаптивных моделей для обработки сложных графовых структур.

Современные технологии искусственного интеллекта уже получили широкое применение в различных сферах, включая гуманитарные науки и творчество. Отдельно следует выделить использование машинного и глубокого обучения в исторической науке, где получены результаты по поиску, распознаванию и переводу символов на археологических памятниках.

Исследование символов тюркской рунической письменности актуально, так как может помочь в понимании истории и культуры народов Евразийского ареала. Современные методы анализа данных и машинного обучения обладают большим потенциалом для автоматизации процесса детекции, классификации и распознавания рунических символов. Что может значительно ускорить и улучшить работу исследователей в области археологии.

Несмотря на значительные успешные проекты за рубежом, в России, где находится множество археологических памятников Евразии раннего средневековья с нерасшифрованными руническими надписями, подобные исследования пока не распространены. Данная тематика является крайне актуальной для отечественной науки.