arXiv cs.AI· Yuen Chen, Yulun Wu, Samuel Sharpe, Igor Melnyk, Nam H. Nguyen, Furong Huang, C. Bayan Bruss, Rizal Fathony·· 14 小时前AI 评分26
BRIDGE：统一序列与图建模的端到端架构
Bridging the Divide: End-to-End Sequence-Graph Learning
AI 导读
研究者提出 BRIDGE，一个将序列模型与图模块耦合在单一目标下的端到端架构，让梯度在两部分间流动以学习任务对齐表示。配套的 TOKENXATTN 是 token 级交叉注意力层，可在相邻序列的具体事件间传递消息。在关系预测与欺诈检测两个设定中，BRIDGE 在排序和分类指标上均优于静态图模型、时序图方法及纯序列基线。
正文 · AI 翻译
摘要：许多现实世界的预测任务，尤其是涉及客户或患者等实体的任务，同时包含{序列}数据和{关系}数据。每个实体既维护自身的事件序列，又同时与他人建立关系。现有的序列建模与图建模方法往往偏重其中一种模态而忽视另一种。我们认为，这两个方面应当被整合并联合学习。我们提出 BRIDGE，一种统一的端到端架构，它在单一目标下将序列模型与图模块耦合，使梯度能够在两个组件之间流动，从而学习与任务对齐的表示。为实现细粒度交互，我们提出 TOKENXATTN，一种 token 级交叉注意力层，可在相邻序列中的特定事件之间传递消息。在关系预测和欺诈检测两种设置下，BRIDGE 在排序和分类指标上均持续优于静态图模型、时序图方法以及仅使用序列的基线。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2510.25126 [cs.LG] |
| （或 arXiv:2510.25126v3 [cs.LG] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2510.25126 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | Learning on Graphs Conference 2026 |
提交历史
来自：Yuen Chen [查看邮箱]
[v1]
2025年10月29日 星期三 03:06:54 UTC（282 KB）
[v2]
2026年4月1日 星期三 18:13:57 UTC（401 KB）
[v3]
2026年10月26日 星期一 17:17:00 UTC（319 KB）
来源：arXiv cs.AI · arxiv.org