研究者提出EG-RL强化学习时序图链路预测框架

Yongqing Zhou、Jiawei Chen等研究者在arXiv提交论文，提出边缘梯度强化学习框架EG-RL，用于时序图链路预测。该框架通过节点与链接编码模块显式编码边的出现与消失事件（边梯度事件），并用强化学习机制动态选择最有信息量的边快照以增强时序图。 论文称，在多个动态图数据集上的实验显示模型在AUC与平均精度上有显著提升，消融实验验证了自适应边梯度增强的必要性。模型包含节点编码、链接编码、token混合和通道混合等模块。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。