A Primer on Temporal Graph Learning

要約

このドキュメントは、コンセプトファーストのアプローチを通じて、読者に時間グラフ学習 (TGL) に慣れてもらうことを目的としています。
私たちは、TGL フレームワークの仕組みを理解するために不可欠な重要な概念を体系的に提示しました。
定性的な説明に加えて、必要に応じて数式を組み込み、文章の明瞭さを高めています。
TGL には時間的および空間的学習が含まれるため、リカレントおよび畳み込みニューラル ネットワークからトランスフォーマーおよびグラフ ニューラル ネットワークに至るまで、関連する学習アーキテクチャを導入します。
また、TGL 向けの解釈可能な学習ソリューションを生み出すための古典的な時系列予測手法についても説明します。

要約(オリジナル)

This document aims to familiarize readers with temporal graph learning (TGL) through a concept-first approach. We have systematically presented vital concepts essential for understanding the workings of a TGL framework. In addition to qualitative explanations, we have incorporated mathematical formulations where applicable, enhancing the clarity of the text. Since TGL involves temporal and spatial learning, we introduce relevant learning architectures ranging from recurrent and convolutional neural networks to transformers and graph neural networks. We also discuss classical time series forecasting methods to inspire interpretable learning solutions for TGL.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google