Graph2Video: 動画モデルを活用して動的グラフの進化をモデリング

概要: 動的グラフは、ソーシャルメディア、レコメンダーシステム、交通網などの現実世界のシステムで一般的です。既存のリンク予測のための動的グラフモデルは、時系列の進化の複雑さを捉える点でしばしば不足しています。彼らは時間的相互作用順序の細粒度な変動を見落とす傾向があり、長い時間スケールにまたがる依存関係には苦労し、ペア特有の関係ダイナミクスをモデル化する能力が限定的です。これらの課題に対処するため、\textbf{Graph2Video}を提案します。これは、ターゲットリンクの時間的近傍を「グラフフレーム」の連なりとして捉える動画に着想を得たフレームワークです。時間順に並べられたサブグラフフレームを「グラフビデオ」に積み重ねることにより、Graph2Videoは動画基盤モデルの帰納的バイアスを活用して、細粒度の局所変動と長距離の時系列ダイナミクスの両方を捉えます。それはリンクレベルの埋め込みを生成し、軽量でプラグアンドプレイのリンク中心のメモリユニットとして機能します。この埋め込みは既存の動的グラフエンコーダにシームレスに統合され、従来のアプローチの限界を効果的に解消します。ベンチマークデータセットでの広範な実験により、Graph2Videoはほとんどのケースでリンク予測タスクにおいて最先端のベースラインを上回ることが示されています。この結果は、コンピュータビジョンの時空間モデリング技術を取り入れることが、動的グラフ学習を進展させる有望かつ効果的なアプローチとなり得ることを示しています。