时序图基准测试的实证评估
摘要：对Temporal Graph Benchmark（TGB）进行了经验评估，并将我们的Dynamic Graph Library（DyGLib）扩展到TGB。与TGB相比，我们包含了11种流行的动态图学习方法，以进行更全面的比较。通过实验，我们发现（1）不同模型在不同数据集上表现出不同的性能，与之前的观察一致；（2）使用DyGLib时，一些基准的性能可以显著提高，超过TGB中报告的结果。本研究旨在简化研究人员在TGB上评估不同动态图学习方法的努力，并尝试提供可直接参考的结果以供后续研究使用。本项目中使用的所有资源都可以在https://github.com/yule-BUAA/DyGLib\_TGB上公开获取。这项工作正在进行中，欢迎社区提供反馈以改进。
作者：Le Yu
论文ID：2307.12510
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-22