PulseAugur
中
实时 09:55:18
English(EN) A Hybrid TGN-SEAL Model for Dynamic Graph Link Prediction

新的TGN-SEAL模型增强了稀疏动态网络中的链接预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为TGN-SEAL的新模型，以改进动态稀疏网络中的链接预测。这种混合方法将时间图网络（TGNs）与候选链接周围封闭子图的提取相结合。在电信通话详单和电子邮件数据集上的实验表明，与标准TGNs相比，TGN-SEAL的平均精度至少提高了2%，证明了其在捕获结构和时间信息以实现稳健链接预测方面的有效性。 AI

影响 这项研究为改进动态稀疏网络中的链接预测提供了一种新颖的方法，可能使依赖于分析不断变化的关联数据的领域受益。

排序理由 详细介绍新模型和实验结果的学术论文。[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 →

新的TGN-SEAL模型增强了稀疏动态网络中的链接预测能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Nafiseh Sadat Sajadi, Behnam Bahrak, Mahdi Jafari Siavoshani ·

    A Hybrid TGN-SEAL Model for Dynamic Graph Link Prediction

    arXiv:2602.14239v3 Announce Type: replace-cross Abstract: Predicting links in sparse, continuously evolving networks is a central challenge in network science. Conventional heuristic methods and deep learning models, including Graph Neural Networks (GNNs), are typically designed …

相关实体

相关话题