时间图相关 AI 资讯 · AITOP · AI热报

8月26日

10:36

10:36

官方账号arXiv cs.LG@Zhou Zelong, Zhang Tianming, Yang Zhengyi, Tang Yifu, Hou Chenyu, Cao Bin, Fan Jing

MDTE，一种针对时间图上节点分类的少数类感知扩散框架，通过条件扩散降噪重建稳定且具有判别性的时间边事件表示。实验表明，MDTE在少数类相关指标上表现优异，比最强基线提高了23.53个百分点的少数类召回率、8.68个百分点的少数类F1值和2.67个百分点的AUPRC值。

论文 MDTE 节点分类时间图

推荐理由：MDTE框架在处理时间图上的节点分类问题时，特别针对少数类节点，通过创新的扩散降噪技术，显著提升了分类效果，是解决节点分类不平衡问题的有力工具。

8月5日

11:18

11:18

官方账号arXiv cs.LG@Nelson Aloysio Reis de Almeida Passos, Emanuele Carlini, Salvatore Trani

该论文从原理、原语、池化三个视角分析时间图上的聚类问题，连接图学习与社区检测的谱理论基础。研究表明，在节点属性缺失或较弱时，基于谱聚类和多层模块度优化的传统算法仍是更合适的选择，主要瓶颈是可扩展性而非精度。当结构、时间与属性信号对齐时，图神经网络模型优势更明显。作者通过GPU加速的时间后端使谱聚类等原语具备可扩展性，并提出将社区检测作为时间图池化算子的路线。

论文时间图图聚类图神经网络

推荐理由：这篇 arXiv 论文把图神经网络和传统聚类算法掰开对比，结论很实在：没属性时谱聚类更靠谱，还给出了 GPU 加速的池化思路。

7月29日

09:21

09:21

官方账号arXiv cs.LG@Bastian Pfeifer

论文提出一种对比表示学习框架，将多变量疾病轨迹建模为时间图。节点代表患者在不同时间的观察，边捕捉时间连续性和轨迹结构相似性。框架使用结构感知随机游走引导对比图神经网络，生成保留时间上下文的嵌入。这些表示能对具有相似疾病进展模式的患者进行鲁棒聚类，并揭示纵向数据中的潜在结构。实验在真实临床数据上验证了有效性。

论文对比学习图神经网络疾病轨迹

推荐理由：这篇论文用对比图神经网络给疾病轨迹建模，能更精细地聚类病程相似的患者，比传统方法好用。