新研究提出STSA方法解决动态文本图跨域迁移难题
论文AI 评分 62/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对动态文本属性图（DyTAGs）边分类任务在分布偏移下易过拟合的问题，作者建立留一域外（LODO）迁移协议。实验表明现有自监督方法在未知域上表现不佳，甚至不如仅输入无序节点与边文本特征的Bag of Events（BoE）模型。为此，作者提出时空语义对齐（STSA）方法，通过时空编码器将时间差与节点频率融合至统一流形，并采用对比语义预测目标，利用预训练语言模型初始化多域文本潜空间提供先验，最终性能超越BoE及所有现有基线。
为什么值得看
揭示了现有动态图自监督方法跨域迁移的严重缺陷，并提供了一种有效融合时空与语义先验的新框架。
对齐
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。