面向时序边回归：以国家间农业贸易为例的研究
机器学习
2023-08-16 v1 人工智能
摘要
近来，图神经网络（GNNs）在动态图上的节点分类、链接预测和图回归等任务中展现出有前景的性能。然而，极少有工作研究具有重大现实应用的时序边回归任务。在本文中，我们探索了GNNs在静态和动态设置下边回归任务中的应用，重点预测国家间的粮食与农业贸易值。我们引入了三个简单但强劲的基线，并使用UN Trade数据集全面评估了一个静态和三个动态GNN模型。我们的实验结果表明，这些基线在各种设置下均表现出极强的性能，凸显了现有GNNs的不足。我们还发现TGN优于其他GNN模型，表明TGN是边回归任务更合适的选择。此外，我们注意到训练样本中负边比例显著影响测试性能。配套源代码可见于：https://github.com/scylj1/GNN_Edge_Regression。
引用
@article{arxiv.2308.07883,
title = {Towards Temporal Edge Regression: A Case Study on Agriculture Trade Between Nations},
author = {Lekang Jiang and Caiqi Zhang and Farimah Poursafaei and Shenyang Huang},
journal= {arXiv preprint arXiv:2308.07883},
year = {2023}
}
备注
12 pages, 4 figures, 4 tables