Метод адаптивного вибору інтервалів часу для побудови графів темпоральних графових нейронних мереж

Abstract

Предметом дослідження є процес формування графових структур для темпоральних графових нейронних мереж з адаптивним вибором рівня деталізації часових інтервалів. Мета роботи полягає у розробці підходу до формування графових структур з адаптивною деталізацією для темпоральних графових нейронних мереж. Задачі дослідження включають: структуризацію підходів до вибору рівня деталізації часових інтервалів при формуванні графів темпоральних графових нейронних мереж з урахуванням змін структури цих графів; розробку методу адаптивного вибору інтервалів часу на основі метрик редагування графів і спектрального аналізу структури графа. Розроблений метод включає пʼять етапів: формування графа на основі частоти спільної появи сутностей; обчислення швидкості редагування між послідовними графами; спектральне вбудовування графів через нормалізований симетричний Лапласіан; розрахунок дивергенції Кульбака – Лейблера між спектральними щільностями для виявлення структурного дрейфу; адаптивне коригування тривалості часового інтервалу з урахуванням критеріїв швидкості редагування та величини дивергенції. Метод комбінує локальну метрику редагування графа та глобальні метрики спектральної щільності, дивергенції Кульбака – Лейблера для виявлення не лише кількості змін у графі, а й їхнього впливу на топологію графа. The subject of research is the process of forming graph structures for temporal graph neural networks with adaptive selection of time interval granularity level. The aim of the work is to develop an approach to forming graph structures with adaptive granularity for temporal graph neural networks. Research tasks include: structuring approaches to selecting the granularity level of time intervals when forming graphs of temporal graph neural networks considering changes in the structure of these graphs; developing a method for adaptive selection of time intervals based on graph editing metrics and spectral analysis of graph structure. The developed method includes five stages: graph formation based on co-occurrence frequency of entities; calculation of editing rate between sequential graphs; spectral embedding of graphs through normalized symmetric Laplacian; computation of Kullback – Leibler divergence between spectral densities to detect structural drift; adaptive adjustment of time interval duration considering editing rate criteria and divergence magnitude. The method combines local graph editing metric and global metrics of spectral density, Kullback – Leibler divergence to detect not only the quantity of changes in the graph but also their impact on graph topology.