研究人员推出了TTGBench，一个旨在评估时间图学习中结构和语义演化能力的新基准。该基准解决了现有方法主要关注结构变化而存在的局限性，提供了对模型能力更全面的评估。TTGBench包含六个具有富文本属性和“双重波动性”的真实世界数据集，支持多类别和多标签的时间节点分类，以更好地捕捉语义漂移。初步评估表明，在擅长结构预测的时间图神经网络（TGNN）与在语义跟踪方面表现更好的大型语言模型（LLM）方法之间存在明显的性能差距。 AI
影响 突出了TGNN和LLM在时间图分析能力上的分歧，为未来的模型开发提供指导。
排序理由 该集群描述了一个用于评估时间图学习模型的新基准和研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- large language model
- ScienceCast
- Temporal Graph Neural Networks
- TTGBench
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
