时空图学习模型究竟学到了什么？
机器学习
2026-04-03 v3 社会与信息网络
摘要
在时空图学习已成为图表示学习核心主题的背景下，众多基准测试表明最先进的模型具有强劲性能。然而，近期研究对基准结果的可靠性提出了担忧，指出常用评估协议存在问题，以及简单启发式方法的惊人竞争力。这种对比引发了一个问题：时空图学习模型实际上利用底层图的哪些特征来形成预测。我们通过系统评估八个模型在捕捉与时空图链路结构相关的八个基本特征方面的能力来回应这一问题。这些特征包括密度等结构特征、新近性等时间模式以及同配性等边形成机制。我们利用合成和真实数据集分析了模型学习这些特征的程度。我们的发现呈现了一幅复杂的图景：模型在某些特征上表现良好，但在其他特征上却未能复现。通过这些发现，我们揭示了重要的局限性。总体而言，我们认为我们的结果为时空图学习模型的应用提供了实用见解，并推动了图学习研究中更多面向可解释性的评估。
引用
@article{arxiv.2510.09416,
title = {What Do Temporal Graph Learning Models Learn?},
author = {Abigail J. Hayes and Tobias Schumacher and Markus Strohmaier},
journal= {arXiv preprint arXiv:2510.09416},
year = {2026}
}