Interactive bi-space embedding based temporal graph learning framework

Zhou, Yuchen

doi:10.1016/j.patcog.2026.114461

Interactive bi-space embedding based temporal graph learning framework

2026-07-01

0

PRE

AI

DOI：10.1016/j.patcog.2026.114461

原文链接

原文求助

摘要

En 中文

作为表示学习的一个基础分支，时序图表示学习已引起学术界和工业界研究人员的广泛关注。尽管现有的时序图学习方法表现出良好的性能，但这些方法通常将时序图嵌入单一表示空间，无法同时有效建模时域特征和结构域特征。不可避免地，现有工作获得次优的时序图表示，进一步降低了下游分析任务的性能。为克服上述问题，我们理论推导出一种名为IBE-TGLF的新型交互式双空间嵌入时序图学习框架。具体而言，基于特征分布差异，IBE-TGLF采用两个嵌入空间来建模动态图演化和时序图结构。通过对比空间对齐，IBE-TGLF能够缓解不同空间之间的语义差距，并获得高性能的图表示。最后，我们在多个基准数据集上进行大量实验，验证IBE-TGLF的有效性和效率。实验结果表明，IBE-TGLF取得了当前最佳的性能。

Keyword:

Temporal graph representation learning

Hyperbolic temporal graph neural network

Temporal graph mining

Bi-space embedding

Interactive bi-space embedding based temporal graph learning framework

摘要

期刊

机构

引用论文