Core Concepts
시간 상호작용 그래프에 대한 프롬프트 학습은 시간적 갭과 의미론적 갭을 줄이는 혁신적인 방법을 제시하며 SOTA 성능과 효율성을 보여줍니다.
Abstract
시간 상호작용 그래프 (TIGs)는 전자 상거래 및 소셜 네트워크와 같은 실제 시스템을 나타내는 데 널리 사용됩니다.
"Pre-train, predict" 학습 패러다임에서 발생하는 시간적 갭과 의미론적 갭을 극복하기 위해 "pre-train, prompt" 패러다임이 제안되었습니다.
TIGPrompt는 기존 TIG 모델과 시간 및 의미론적 갭을 줄이기 위한 혁신적인 접근 방식을 통합하는 다목적 프레임워크입니다.
Vanilla, Transformer, Projection과 같은 다양한 TProG 유형이 제안되었으며, 각각의 효과를 비교하였습니다.
실험 결과, TIGPrompt는 제안된 프롬프트 방법을 통해 최적의 결과를 달성하며, 제한된 데이터로도 우수한 성과를 보입니다.
Stats
최근 이웃 정보를 인코딩하여 시간적 프롬프트를 생성합니다.
TProG는 시간적 정보를 포함하여 노드별로 맞춤형 프롬프트를 생성합니다.
Quotes
"The proposed TIGPrompt demonstrates the SOTA performance and remarkable efficiency advantages."
"The Projection TProG consistently surpasses the baseline, showing the best performance on various datasets."