0%

Intro

TGAT

GraphSAGE + GAT + Time Encoding

每一层都是一个GAT,聚合的方式是使用了GraphSAGE,然后引入了一个Time Encoding获取时间信息。

Methodology

Time Encoding

取$|t-t_n|$时间差作为输入

TGAT Layer

层数就是聚合k-hop

TGAT是根据跳数来分层计算的,不是根据时间。

在第2层中:h0由h1, h2, h3获得

在第1层中:h1由h4, h5获得

过程

q关注当前v0节点,K, V关注上一级节点

通过attention和FFN获得最终h0


Reference

https://blog.csdn.net/weixin_42142630/article/details/116527314

Intro

GraphSAGE

大多数graph embedding框架是transductive(直推式的),只能对一个固定的图生成embedding。这种transductive的方法不能对图中没有的新节点生成embedding。

相对的,GraphSAGE是一个inductive(归纳式)框架,能够高效地利用节点的属性信息对新节点生成embedding。

Read more »