时间图学习模型在捕捉图特征方面表现不一

一篇新发表在arXiv上的研究论文，调查了时间图学习模型（temporal graph learning models）的学习能力。该研究系统地评估了八种模型在八个基本图特征上的表现，包括结构属性和时间模式（如近期性和同质性）。研究结果表明，虽然模型在某些特征上表现良好，但在其他特征上却遇到困难，这凸显了显著的局限性，并促使图学习研究进行更多以可解释性为中心的评估。 AI

影响 强调了当前时间图学习模型的局限性，表明需要更具可解释性的评估方法。

排序理由 发表在arXiv上的研究论文，详细介绍了对时间图学习模型的评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• cs.LG
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• ScienceCast
• Tobias Schumacher

• 论文
• 其他

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