arXiv · AI· Ronan Buck, Kiarash Shamsi, Tran Gia Bao Ngo, Astrit Tola, Baris Coskunuzer, Cuneyt Gurcan Akcora·· 10 天前AI 评分28
TOPOGED 提出基于拓扑编码器-解码器架构的时间图预测方法
A Topological Encoder Decoder Framework for Temporal Graph Learning
AI 导读
summary_zh: TOPOGED 将时间图预测重构为逆拓扑问题,通过预测未来图的拓扑描述符并重建快照,以解决新节点和边出现导致的结构变化。 该方法在 14 个时间图数据集上进行评测,节点预测宏观平均准确率从最强基线的 0.05 提升至 0.49,边预测指标从零附近提升至 0.12,且在 60% 的图结构指标评测中优于基线模型。
来源:arXiv · AI · arxiv.org