Structure-Aware Model for Representation Learning on Temporal Graphs

doi:10.1109/TKDE.2026.3656264

Structure-Aware Model for Representation Learning on Temporal Graphs

2026-01-20

0

PRE

AI

DOI：10.1109/TKDE.2026.3656264

原文链接

原文求助

摘要

En 中文

时空图表示学习旨在捕捉时序图中节点的内在演化，以适用于各种应用。然而，现有模型主要通过聚合节点历史交互中的时序信息来学习节点表示，却往往忽略了这些交互所产生的关键结构影响。为解决此问题，我们提出了一种结构感知的时空图表示学习模型（STG），该框架通过显式融入演化结构角色的影响来增强学习的节点表示。具体而言，STG通过提取单单元和多单元交互模式来编码节点的不同结构角色。随后，这些角色被转换到傅里叶域，以对复杂的结构动态进行更深层次的分析。为捕捉结构对未来节点交互的影响，我们设计了一个动态滤波器来处理这些角色。该滤波器配备了个性化权重系数生成器，以执行交互特定的分析。最后，我们采用一个混合器协同聚合时序和结构信息，以获得结构感知的时序节点表示。在多个真实世界时空图数据集上的大量实验表明，我们的模型在动态链接预测任务中，在归纳和转导设置下均表现出卓越的性能。

Keyword:

Graph representation learning

temporal graph

structure-aware model

dynamic filter

Structure-Aware Model for Representation Learning on Temporal Graphs

摘要

期刊

机构

引用论文