共居编码方案:动态链接预测的轻量级结构编码方法
原文中文,约200字,阅读约需1分钟。发表于: 。结构编码在动态图中的应用问题已成为研究的关键特征。通过引入 Co-Neighbor 编码方案以及基于散列表的内存结构,提出了一种时序多样化内存以实现高效的结构特征构建和更新。通过 Co-Neighbor 编码网络(CNE-N)实现了动态图学习框架,并通过对十三个公共数据集进行广泛实验证实了该方法的有效性和高效性。
我们提出了TNCN,是NCN的时间版本,用于预测时间图中的链接,并使用多跳公共邻居来学习更有效的成对表示。TNCN在五个真实世界数据集上验证,其中三个实现了最先进表现。TNCN在处理大型数据集上表现出了出色的可扩展性,速度超过了GNN基线最多6.4倍。