arXiv 机器学习· Bo Li, Yue Yang, Yujin Huang, Siao Liu, David Lemphers, Sara E Rodriguez Gomez, Luke Borgnolo, Can Wang, Xin Zheng·· 9 小时前AI 评分31
动态图世界模型 DyG-WM：从时间上下文中学习未来图动态
Dynamic Graph World Modelling: Learning Future Dynamics from Temporal Context
AI 导读
研究人员提出首个联合预测未来节点与关系表示的动态图世界模型框架 DyG-WM。该方法通过历史节点-关系上下文编码器总结轨迹，利用路径特征编码器捕获结构变化，并基于双层联合嵌入目标预测目标快照的隐空间表示，无需重构原始图。在 12 个链路预测和 2 个节点分类数据集上的实验验证了其有效性。
来源：arXiv 机器学习 · arxiv.org