研究者提出解耦角色语义的边分类框架

Tyler Bonnet 与 Marek Rei 提出一种面向有向动态图边分类的实验框架，用定向嵌入和非对称预训练目标显式解耦源、目标、查询、邻居等功能角色，以解决这些语义角色被共享参数混淆的问题。 研究称，在多种标签预算下，该显式角色解耦相比基线取得显著且一致的相对性能提升；表征分析显示其机制是源与目标隐空间的分叉，从而提升线性可分性。该结果来自 arXiv 论文，尚未见独立复现。

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。