English(EN) HGCN(O): A Self-Tuning GCN HyperModel Toolkit for Outcome Prediction in Event-Sequence Data

新的 HGCN(O) 工具包通过自调优 GCN 增强事件序列预测能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-19 04:00

研究人员推出 HGCN(O)，这是一个用于通过图卷积网络 (GCN) 预测事件序列数据中结果的自调优工具包。该工具包包含四种不同的 GCN 架构，并支持多种图表示，可针对平衡和不平衡数据集的预测准确性和稳定性进行优化。实验表明，HGCN(O) 的性能优于传统方法，其中特定的 GCNConv 模型在不平衡数据上表现尤为出色，并可应用于预测性业务流程监控等领域。 AI

影响增强了事件驱动系统的预测能力，有望改进业务流程监控及类似应用。

排序理由该集群描述了一篇介绍用于事件序列预测的新颖工具包和方法论的学术论文。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Fang Wang, Paolo Ceravolo, Ernesto Damiani · 2026-06-19 04:00

HGCN(O): A Self-Tuning GCN HyperModel Toolkit for Outcome Prediction in Event-Sequence Data

arXiv:2507.22524v3 Announce Type: replace Abstract: We propose HGCN(O), a self-tuning toolkit using Graph Convolutional Network (GCN) models for event sequence prediction. Featuring four GCN architectures (O-GCN, T-GCN, TP-GCN, TE-GCN) across the GCNConv and GraphConv layers, our…

报道来源 [1]

HGCN(O): A Self-Tuning GCN HyperModel Toolkit for Outcome Prediction in Event-Sequence Data

相关实体

相关话题