动态图上的超拉普拉斯编码用于变换器
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了现有图变换器在动态上下文中失去结构和时间信息的问题。提出的超拉普拉斯编码方案（SLATE）通过将离散时间动态图转化为多层图，并利用其超拉普拉斯矩阵的谱特性，确保了时空信息的保留。SLATE在9个数据集上超越了多种基于消息传递的图神经网络及动态图变换器的最先进方法，具有显著的应用潜力。
本研究提出了超拉普拉斯编码方案（SLATE），解决了图变换器在动态上下文中丢失结构和时间信息的问题。SLATE通过将动态图转化为多层图，利用超拉普拉斯矩阵的谱特性，保留时空信息。在9个数据集上，SLATE优于多种先进的图神经网络和动态图变换器方法，展现出很大的应用潜力。
