文件名称：tgn:TGN
文件大小：952KB
文件格式：ZIP
更新时间：2024-04-20 05:52:35
Python
TGN：时间图网络[ ， ，] 动态图 TGN 介绍 尽管有很多用于图上深度学习的不同模型，但是迄今为止，很少有人提出处理具有某种动态性质（例如，随着时间的推移而变化的特征或连通性）的图的方法。 在本文中，我们介绍了时间图网络（TGN），这是一种通用的，有效的框架，用于对表示为定时事件序列的动态图进行深度学习。 多亏了内存模块和基于图形的运算符的新颖结合，TGN能够显着优于以前的方法，同时在计算效率上也更高。 我们进一步表明，可以将先前在动态图上进行学习的几种模型转换为我们框架的特定实例。 我们对框架的不同组成部分进行了详细的消融研究，并设计出了最佳配置，该配置在动态图的数个转导和归纳预测任务上均实现了最先进的性能。 论文链接： 运行实验 要求 依赖关系（使用python> = 3.7）： pandas==1.1.0 torch==1.6.0 scikit_learn==0.2
【文件预览】：
tgn-master
----figures()
--------dynamic_graph.png(701KB)
--------tgn.png(232KB)
----train_self_supervised.py(15KB)
----train_supervised.py(11KB)
----model()
--------temporal_attention.py(4KB)
--------tgn.py(14KB)
--------time_encoding.py(775B)
----LICENSE(11KB)
----CONTRIBUTING.md(102B)
----__init__.py(0B)
----.gitignore(4KB)
----evaluation()
--------evaluation.py(3KB)
----README.md(7KB)
----utils()
--------utils.py(7KB)
--------data_processing.py(8KB)
--------preprocess_data.py(2KB)
----modules()
--------memory_updater.py(3KB)
--------message_function.py(1021B)
--------message_aggregator.py(3KB)
--------memory.py(2KB)
--------embedding_module.py(14KB)