对 Temporal Graph Benchmark 的实证评估
机器学习
2023-10-17 v5
摘要
在本文中，我们通过将动态图库（DyGLib）扩展至 TGB，对 Temporal Graph Benchmark (TGB) 进行实证评估。与 TGB 相比，我们纳入了十一种流行的动态图学习方法以进行更详尽的比较。通过实验，我们发现 (1) 不同模型在各数据集上表现出不同性能，这与先前的观察一致；(2) 当使用 DyGLib 时，一些基线方法的性能可较 TGB 中报告的结果显著提升。本工作旨在减轻研究者在 TGB 上评估各种动态图学习方法的负担，并试图提供可在后续研究中直接参考的结果。本项目中使用的所有资源公开于 https://github.com/yule-BUAA/DyGLib_TGB。本工作正在进行中，欢迎社区反馈以改进。
引用
@article{arxiv.2307.12510,
title = {An Empirical Evaluation of Temporal Graph Benchmark},
author = {Le Yu},
journal= {arXiv preprint arXiv:2307.12510},
year = {2023}
}
备注
in progress, more results are added