temporal-networks

本文分析了时序网络上去中心化联邦学习中结构和时间异质性的影响，表明忽略这些异质性会导致不切实际的快速收敛，而真实网络会减慢扩散速度。

本文提出了一种面向符号图神经网络的模块化时间增强框架，通过历史上下文集成模块（HCIM）结合LSTM和多头时间注意力机制整合历史上下文，在真实世界的时间符号网络上进行动态链接预测时取得了持续改进。