何时应与谁交互？一种感知缺失事件的时序图神经网络
机器学习
2023-01-23 v1
摘要
时序图神经网络因其在生物信息学、知识图谱和社交网络等广泛应用场景而近期受到显著关注。已有一些时序图神经网络取得了卓越成果。然而，这些工作聚焦于未来事件预测，并在所有历史事件均可观测的假设下开展。在真实世界应用中，事件并非总是可观测，且估计事件时间与预测未来事件同等重要。本文中，我们提出 MTGN，一种感知缺失事件的时序图神经网络，其统一建模演化图结构与事件时序，以支持预测未来将发生什么及何时发生。MTGN 将观测与缺失事件的动态建模为两个耦合时序点过程，从而将缺失事件的影响纳入网络。在若干真实世界时序图上的实验结果表明，MTGN 在时间预测与链接预测上分别比现有方法准确至多 89% 与 112%。代码见 https://github.com/HIT-ICES/TNNLS-MTGN。
引用
@article{arxiv.2301.08399,
title = {Who Should I Engage with At What Time? A Missing Event Aware Temporal Graph Neural Network},
author = {Mingyi Liu and Zhiying Tu and Xiaofei Xu and Zhongjie Wang},
journal= {arXiv preprint arXiv:2301.08399},
year = {2023}
}
备注
submitted to TNNLS