PulseAugur
实时 06:01:12
English(EN) THGFM: Dual-Branch Temporal Heterogeneous Graph Fusion Model

THGFM模型增强了时序异构图学习

研究人员推出了一种新颖的时序异构图融合模型THGFM,旨在增强动态关系系统上的学习能力。该模型采用双分支架构,结合了用于高效跨类型迁移的共享空间时序注意力分支和用于专业化学习的关系类型分区时序注意力分支。THGFM通过一个自适应分配门控的融合机制整合了这两个分支,允许独立放大或抑制而无竞争。此外,它还集成了旋转时序注意力,将相对时间直接整合到注意力分数中,从而在学术图基准测试中取得了显著的性能提升。 AI

影响 引入了一种用于时序异构图学习的新模型架构,有望提高动态关系系统的性能。

排序理由 该集群包含一篇详细介绍新模型及其在基准测试中性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

THGFM模型增强了时序异构图学习

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Yixin Peng, Diego Collarana, Er Jin, Stefan Decker ·

    THGFM:双分支时序异构图融合模型

    arXiv:2607.27303v1 Announce Type: cross Abstract: Temporal heterogeneous graphs offer a natural abstraction for dynamic relational systems in which diverse node and relation types co-exist and evolve over time. Learning on such graphs requires jointly modeling cross-type structur…