시간에 따라 달라지는 표현
동적 그래프의 임베딩은 정적인 노드 특징과 변하는 연결 구조를 함께 나타내야 한다. TGAT는 시간 및 위상 이웃 특징을 집계하고 시간과 특징 사이의 상호 작용도 배우도록 한다.
함수 형태의 시간 인코딩
자기 어텐션을 기본 구성으로 사용하고 조화 해석의 보흐너 정리에 기반한 함수형 시간 인코딩을 제안했다. TGAT 층을 쌓아 그래프가 변할 때 노드 표현도 시간에 따라 달라지도록 구성한다.
새 노드와 시간 간선
노드 분류와 연결 예측을 다루고 시간에 따른 간선 특징으로도 확장할 수 있다. 원 연구는 두 벤치마크와 한 산업 자료의 시간 설정에서 변환적 및 귀납적 과제를 평가했다.
관련 문서
GAT 그래프 어텐션 / 자기 어텐션 / 그래프 신경망 / 링크 예측 / GraphSAGE / 표현 학습