GNN para clasificación de artículos científicos

Abstract

En los últimos tiempos, las aplicaciones e investigaciones relacionadas con la Inteligencia Artificial han supuesto un gran avance en nuestra sociedad, permitiéndonos desde identificar objetos en imágenes hasta generar texto o audio de forma automática. Junto a la necesidad de resolver nuevos problemas, surgen nuevas ideas y estructuras enfocadas al campo de la Inteligencia Artificial, permitiendo aplicar técnicas de Deep Learning para lograr un resultado preciso de la forma más eficiente posible. Vivimos en un mundo donde todo está conectado de forma directa o indirecta, siendo algunos ejemplos de ello las relaciones personales que se mantienen entre amigos y familia, los enlaces entre moléculas o las uniones vistas como los trayectos de vía que unen distintas estaciones de ferrocarril. La necesidad de gestionar datos distribuidos en forma de redes y gráficos, en los cuales existen distintas entidades (nodos) unidas en base a relaciones entre ellas (uniones), dio lugar a la aparición de las Redes Neuronales Gráficas o Graph Neural Networks conocidas como GNN. Este modelo de red neuronal no solo permite realizar predicciones o análisis del gráfico en función de las propiedades o features del elemento analizado, sino que también, permite tener en cuenta para dicha predicción las características de los nodos vecinos y los tipos de uniones que los relacionan. En este proyecto se presenta una aplicación basada en Redes Neuronales Gráficas cuya función será clasificar distintos artículos científicos según los temas que tratan. Se dispone de un conjunto de datos conformado por nodos y uniones, siendo 3312 artículos científicos los nodos y 4732 referencias entre ellos las que determinarán las uniones del gráfico. Basándonos en las relaciones entre ellos y propiedades de cada artículo, se planteará y desarrollará el entrenamiento de un modelo basado en GNN para agrupar artículos científicos en 6 categorías diferentes, realizando un posterior análisis de la importancia de cada uno de ellos en base al número de veces que ha sido citado.

In recent times, applications and research related to Artificial intelligence have made great strides in our society, allowing us to identify objects in images, generate text or audio automatically and more. Along with the need to solve recent problems, new ideas and structures focused on the field of Artificial Intelligence have emerged, allowing us to apply Deep Learning techniques to achieve precise results as efficiently as possible. We live in a world where everything is connected directly or indirectly, such as personal relationships between friends and family, links between molecules, or connections seen as the paths of railway lines connecting different stations. The need to manage distributed data in the form of networks and graphs, where there are different entities (nodes) connected based on relationships between them (edges), gave rise to the emergence of Graph Neural Networks, or GNNs. This neural network model not only allows predictions or analysis of the graph based on the properties or features of the analyzed element, but also considers the characteristics of neighboring nodes and the types of connections that link them. In this project, a Graph Neural Network-based application is presented whose function is to classify different scientific articles according to the topics they address. A dataset is available consisting of nodes and edges, with 3312 scientific articles as nodes and 4732 references between them as edges that determine the connections in the graph. Based on the relationships between them and the properties of each article, the training of a GNNbased model will be proposed and developed to group scientific articles into 6 different categories, followed by an analysis of the importance of each article based on the number of times it has been cited.