研究人员开发了一种新方法，通过关注时序图网络（TGNs）的记忆模块来解释其预测。该方法利用拓扑归因树来评估邻居及其历史数据的影响，并利用记忆回溯树来量化过去事件如何塑造节点记忆。该方法将LRP应用于TGNs，并包含用于识别重要事件的优化目标，在节点属性预测、链接预测和图分类等各种时序图数据集和任务上，已证明其解释的忠实性并优于现有基线。 AI
影响 这项研究提供了一种理解和信任时序图网络的新方法，有可能改善其在关键领域的应用。
排序理由 该集群包含一篇详细介绍AI模型解释新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Graph Classification
- Link prediction
- memory backtracking tree
- memory module
- Node Property Prediction
- Temporal Graph Networks
- topology attribution tree
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
