An Empirical Evaluation of Temporal Graph Benchmark

要約

このペーパーでは、ダイナミック グラフ ライブラリ (DyGLib) を TGB に拡張することにより、テンポラル グラフ ベンチマーク (TGB) の実証的評価を実行します。
TGB と比較して、より徹底的な比較を行うために、11 の一般的な動的グラフ学習方法が含まれています。
実験を通じて、(1) さまざまなモデルがさまざまなデータセットにわたるパフォーマンスの変化を表しており、これは以前の観察と一致していることがわかりました。
(2) DyGLib を使用すると、一部のベースラインのパフォーマンスが TGB で報告された結果よりも大幅に向上する可能性があります。
この研究は、TGB でのさまざまな動的グラフ学習方法を評価する際の研究者の労力を軽減することを目的としており、追跡調査で直接参照できる結果を提供することを目的としています。
このプロジェクトで使用されているすべてのリソースは、https://github.com/yule-BUAA/DyGLib_TGB で公開されています。
この作業は進行中です。改善のためにコミュニティからのフィードバックを歓迎します。

要約(オリジナル)

In this paper, we conduct an empirical evaluation of Temporal Graph Benchmark (TGB) by extending our Dynamic Graph Library (DyGLib) to TGB. Compared with TGB, we include eleven popular dynamic graph learning methods for more exhaustive comparisons. Through the experiments, we find that (1) different models depict varying performance across various datasets, which is in line with previous observations; (2) the performance of some baselines can be significantly improved over the reported results in TGB when using DyGLib. This work aims to ease the researchers’ efforts in evaluating various dynamic graph learning methods on TGB and attempts to offer results that can be directly referenced in the follow-up research. All the used resources in this project are publicly available at https://github.com/yule-BUAA/DyGLib_TGB. This work is in progress, and feedback from the community is welcomed for improvements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google