Time-aware Dynamic Graph Embedding for Asynchronous Structural Evolution

要約

動的グラフとは、時間の経過とともに構造が動的に変化するグラフのことである。動的グラフの頂点表現（埋め込み）を学習することの利点にもかかわらず、既存の研究では、動的グラフを単に頂点接続内の変化のシーケンスとして捉え、各局所構造の進化が異なる時間に始まり、様々な時間にわたって続くという、このようなダイナミックスの重要な非同期的性質を無視している。グラフ内の非同期的な構造変化を維持するために、我々は革新的に、ダイナミックグラフを、頂点の結合時間（ToV）と辺の時間（ToE）に関連する時間的エッジシーケンスとして定式化する。そして、学習された頂点表現に頂点の動的な接続とToEを埋め込むために、時間を考慮した変換器を提案する。一方、我々は各辺列を全体として扱い、その最初の頂点のToVを埋め込むことで、時間に敏感な情報をさらに符号化する。いくつかのデータセットを用いた広範な評価により、本アプローチは幅広いグラフマイニングタスクにおいて最先端技術を凌駕していることが示された。同時に、大規模な動的グラフを埋め込むのに非常に効率的でスケーラブルである。

要約(オリジナル)

Dynamic graphs refer to graphs whose structure dynamically changes over time. Despite the benefits of learning vertex representations (i.e., embeddings) for dynamic graphs, existing works merely view a dynamic graph as a sequence of changes within the vertex connections, neglecting the crucial asynchronous nature of such dynamics where the evolution of each local structure starts at different times and lasts for various durations. To maintain asynchronous structural evolutions within the graph, we innovatively formulate dynamic graphs as temporal edge sequences associated with joining time of vertices (ToV) and timespan of edges (ToE). Then, a time-aware Transformer is proposed to embed vertices’ dynamic connections and ToEs into the learned vertex representations. Meanwhile, we treat each edge sequence as a whole and embed its ToV of the first vertex to further encode the time-sensitive information. Extensive evaluations on several datasets show that our approach outperforms the state-of-the-art in a wide range of graph mining tasks. At the same time, it is very efficient and scalable for embedding large-scale dynamic graphs.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL