持续记忆的流图神经网络

摘要

流图的节点和边以流的形式持续产生，导致整个图结构随着时间推移而不断演化.图神经网络作为图嵌入技术的一种，在捕获流图的动态信息以及快速适应流图持续演化等方面仍然面临着巨大的挑战.为解决这些问题，本文提出了持续记忆的流图神经网络(CMSGNN).该模型能够根据流图持续的演化充分学习历史信息，通过增量学习的方式更新已记忆的历史信息，并且能够自适应地调整模型以适应流图的变化程度，以获得更符合当前信息的流图嵌入.该模型将历史信息与当前信息相结合使得模型能够获得更准确的流图嵌入，从而提高下游任务的准确率.实验结果表明，本文提出的CMSGNN在现实生活中的多个数据集上执行多个任务上均有更好的性能.

关键词

流图 / 图神经网络 / 历史信息 / 增量更新 / 当前信息 / 自适应聚合

基金资助

国家自然科学基金项目(62276157,U21A20513,62476157,62076154)资助; 山西省重点研发计划项目(202202020101003)资助