DyGFM

DyGFM模型应对多域动态图挑战

研究人员推出了一种新颖的动态图基础模型DyGFM，旨在处理来自多个域的数据。该模型解决了不同域之间不一致的语义和时间模式带来的挑战，而这些模式常常导致现有的“预训练-微调”方法出现负面知识迁移。DyGFM采用双分支预训练策略来实现语义-时间解耦，并采用跨域路由机制来减轻适应过程中的负面迁移。实验表明，DyGFM在节点分类和链接预测任务上的表现优于12个最先进的基线模型。