本研究提出了一种新方法，通过引入结构映射模块增强时间链接预测模型的记忆能力，解决了现有模型在新图上的应用问题。研究结果表明，该方法在时间链接预测中具有重要的应用潜力。

本研究提出了社区感知时序游走（CTWalks）框架，以解决动态图表示学习中的灵活性和适应性不足的问题。CTWalks结合无参数社区时间游走、社区标签增强和ODE编码，精准建模社区交互。实验结果表明，其在时间链接预测方面优于传统方法。

本论文提出了一种新颖的方法，将时间链接预测视为历史事件链中的事件生成任务，并通过有效的微调方法将 LLMs 适应特定的图文本信息和时间线中发现的模式。实验结果表明，微调模型在多个度量标准上优于现有的基于嵌入的模型，达到了最先进水平。

本论文提出了一种新颖的方法，将时间链接预测视为历史事件链中的事件生成任务，并通过有效的微调方法将 LLMs 适应特定的图文本信息和时间线中发现的模式。实验结果表明，微调模型在多个度量标准上优于现有的基于嵌入的模型，达到了最先进水平。

本论文提出了一种新颖的方法，将时间链接预测视为历史事件链中的事件生成任务，并通过有效的微调方法将 LLMs 适应特定的图文本信息和时间线中发现的模式。实验证明，微调模型在多个度量标准上优于现有的基于嵌入的模型，达到了最先进水平。