基于学习的高效时序图仿真

图仿真最近在图处理和分析领域受到广泛关注。在现实应用中，例如社会科学、生物学和化学，许多图由一系列演化图（即时序图）组成。虽然大多数现有图生成器专注于静态图，但忽略了图的时间信息。本文聚焦于时序图仿真，旨在复现观察到的真实时序图的结构和时间属性。本文首先概述了现有的时序图生成器，包括最近出现的基于学习的方法。这些大多数基于学习的方法都存在一个局限性：在训练或生成效率方面较低，尤其是针对基于时序随机漫步的方法。因此，我们提出了一种高效的基于学习的生成图快照的方法，即时序图自编码器（TGAE）。具体而言，我们提出了一种基于注意力机制的图编码器，用于对抽样的ego图进行时序和结构特征编码。我们提出的ego图解码器能够在时序图生成的仿真质量和效率之间取得良好的平衡。最后，在真实时序图和合成图上，对所提TGAE与代表性时序图生成器进行了实验评估。结果报告称，所提方法在仿真质量和效率方面均优于当前最先进的时序图生成器。