跳到正文
热点事件持续更新

研究拆分时间戳置换对动态链接预测的影响

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Ilia Karpov 等作者提交的论文提出一种交叉诊断方法,把动态链接预测中时间戳置换造成的性能差距拆成训练条件与评估历史两种效应,并测量输入暴露程度,即改变后的历史是否真的改变了预测器的输入。 在 MOOC 数据集上,TCL 用二元交叉熵训练时,原始时序训练在两种评估历史下均带来约 8 个 pairwise 准确率点提升;固定权重下改变历史仅 0.03 点,原因是 68.37% 的查询输入未变。DyGFormer 的训练与历史对比分别为 22.34 和 0.38 点。

AI 根据报道生成 · 59 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    如何解读动态链接预测中的时间戳置换实验

    研究提出交叉诊断方法,将时间戳置换带来的性能差距拆分为训练条件与评估历史两种效应,并测量输入暴露程度。在 MOOC 数据集上,TCL 用二元交叉熵训练时,原始时序训练在两种评估历史下均带来约 8 个 pairwise 准确率点提升,而固定权重下改变历史仅 0.03 点,因 68.37% 查询输入未变。DyGFormer 的训练与历史对比分别为 22.34 和 0.38 点。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。