研究人员推出 DyNA-Mixer,这是一种旨在改进连续时间动态图中动态节点亲和力预测的新颖方法。该方法将时间预测与协作结构建模解耦,能够更准确地预测交互强度和演变。在四个 Temporal Graph Benchmark 数据集上的实验表明,DyNA-Mixer 设定了新的最先进水平,在现有基线上实现了显著的相对改进。 AI
影响 推进动态图预测能力,可能改进推荐系统和交易分析。
排序理由 该条目是一篇在 arXiv 上发表的研究论文,详细介绍了一种新的动态图预测方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- DyNA-Mixer
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- Litmaps
- ScienceCast
- scite Smart Citations
- Temporal Graph Benchmark
- tgbn-token
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →