实时图实验室:开放、动态和真实的非同质化交易图
原文中文,约400字,阅读约需1分钟。发表于: 。通过对 NFT 生态系统的时间图分析,研究了其特性、动态和潜在发展方向,并利用机器学习模型丰富现有数据集,为图数据社区提供了新的机会。
该文介绍了一种基于时间图的动态链接属性预测方法,提出了一个简单的无优化基线“最近流行节点”,在数据集上表现优异。作者提出了两种基于Wasserstein距离的度量方式,用于量化数据集的短期和长期全局动态的强度,并证明了标准的负采样评估对于具有强时间动态的数据集可能不适用。作者还提出了改进的负采样方案,并与非对比训练的模型进行了比较,结果表明时间图网络架构在具有重大全局动态的问题中需要进行深入的思考。