BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 提出了一种基于时间图的动态链接属性预测方法。
- 引入了简单的无优化基线“最近流行节点”，在中型和大型数据集上表现优异。
- 提出了两种基于Wasserstein距离的度量方式，用于量化短期和长期全局动态的强度。
- 标准的负采样评估可能不适用于具有强时间动态的数据集。
- 简单的负采样可能导致模型退化，产生无法排名的预测结果。
- 提出了改进的负采样方案，并证明其有效性。
- 与非对比训练的模型进行了比较，结果显示时间图网络架构需要深入思考。
- 研究结果为社交媒体、加密货币市场或电子商务等领域提供了挑战性的基准。
- 公开发表了基线、测量和负采样方案的代码。
🏷️
标签
➡️
