BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 提出了 TNCN，这是 NCN 的时间版本，用于预测时间图中的链接。
- 使用多跳公共邻居来学习更有效的成对表示。
- 在五个大规模真实世界数据集上验证了模型。
- 在三个数据集上实现了最新的最先进表现。
- TNCN 在处理大型数据集上表现出色的可扩展性。
- 速度超过流行的 GNN 基线最多 6.4 倍。
➡️
