研究人员推出了一种新颖的动态图表示学习方法——时变交互图常微分方程（TI-ODE）。该方法通过将演化函数分解为可学习的交互基函数，并在时间上动态组合，来解决现有模型的局限性。TI-ODE旨在更有效地捕捉节点间交互的多样性和时变性。在包括一个与Covid相关的数据集在内的多个数据集上进行的实验表明，TI-ODE取得了最先进的性能，并与先前的方法相比展现出更优越的鲁棒性。 AI
影响 引入了一种更鲁棒、更具可解释性的分析动态图数据的方法，有望改进流行病学或社交网络分析等领域的应用。
排序理由 这是一篇介绍动态图表示学习新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
