自适应增强对比的时态图表示学习
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种新颖的 Temporal Graph representation learning with Adaptive augmentation Contrastive (TGAC) 模型，该模型通过将先验知识与时间信息相结合，对时态图进行自适应增强，并通过定义增强之间的相互视角对比和内部视角对比来构建对比目标函数，以减少网络中的噪声。广泛的实验证明，该模型优于其他时态图表示学习方法。
该文介绍了SCGDN框架，包含Attentional Module和Diffusion Module两个组件，用于高效嵌入和节点状态平衡，避免采样偏见和语义漂移。SCGDN综合利用结构和特征信息进行抽样，最小化嵌入中的冗余信息以保留更有区分能力的信息。实验结果表明，SCGDN性能更好。
