Динамическая связь прогнозирования с временно усовершенствованными графическими сетями
arXiv:2605.26290v3 Annuates Type: заменить резюме: временные сети, подписанные подписями (ВСТ), моделируют временнóе развитие отношений сотрудничества и состязательности, которые возникают в таких областях применения, как анализ социальных сетей, системы доверия и репутации, а также сети финансовых операций. В то время как графические нейронные сети (ГНН) работают хорошо для статического или неподписанного прогнозирования связи, эффективное обучение во временных подписанных графиках остается проблематичным из-за взаимодействия с подписанными отношениями, эволюционирующей структуры и проблем баланса - теоретики. Для устранения этого пробела мы предлагаем систему временнóго совершенствования для подписанных GNN, которая интегрировала бы исторический контекст в статичные архитектуры. Эта рамочная программа предусматривает использование модуля интеграции в исторический контекст (МОДКП), который сочетает в себе подходящее время для оценки чувствительности, применение модели траектории на основе ЛСТМ и многовременное внимание к учету как краткосрочной, так и долгосрочной динамики подписанного взаимодействия. Историческая информация - это предохранитель