时间交互网络回溯重建方法
热点事件观察中
时间交互网络回溯重建方法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究人员Amarnath R发布论文《Learning the Past from the Future》,提出利用未来数据回溯重构时间交互网络中缺失记录的方法。 该研究通过隐藏2小时窗口并引入后续事件数据,提升了时间链接预测准确度。在24小时后续数据支持下,26特征逻辑回归模型在tgbl-comment数据集上历史随机排序MRR提升了0.108,证明后续事件能有效补全缺失交互。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
利用未来数据回溯重构时间交互网络中的缺失记录报道时间线
沿着报道,了解事件的不同侧面。
10月27日
- arXiv · ML利用未来数据回溯重构时间交互网络中的缺失记录
研究通过隐藏 2 小时窗口并引入后续事件数据,显著提升了时间链接预测的准确度。在 24 小时后续数据支持下,26 特征逻辑回归模型在 tgbl-comment 数据集上的历史随机排序 MRR 提升了 0.108。 这证明即便在只有 6.4% 目标对重复出现的 tgbl-comment 数据集中,后续事件也能有效补全缺失交互,且排除了仅靠对重现产生的偏差。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。