BriefGPT - AI 论文速递
·
神经网络下的终身图摘要：2012、2022 年和时间弯曲
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
研究发现，神经网络对网络图进行终生图形摘要时，主要使用1跳信息来确定摘要，即使进行2跳摘要。在网络图的异质性较强的情况下，2跳摘要产生的顶点摘要比1跳摘要多出十倍以上。然而，将在2012年训练的网络应用于2022年的快照时，准确性显著下降，这是因为2022年网络图的强烈异质性增加。
🎯
关键要点
- 研究使用神经网络对网络图进行终生图形摘要，探讨网络图的摘要问题。
- 采用 GNNs Graph-MLP 和 GraphSAINT 以及 MLP 基准进行时间图的总结。
- 调查了重用前一个快照中的参数对神经网络的反向和正向转移及遗忘率的影响。
- 在2012年和2022年采样的包含超过1亿条边的网图的十个周快照上进行了实验。
- 结果显示，所有网络主要使用1跳信息来确定摘要，即使进行2跳摘要。
- 在某些快照中，2跳摘要产生的顶点摘要比1跳摘要多出十倍以上。
- 使用2012年训练的网络应用于2022年快照时，准确性显著下降。
- 准确性下降归因于2022年网络图的强烈异质性增加。
➡️
