动态图不确定性建模
面向具有内在模糊性和不确定性的动态网络，该模型结合模糊逻辑与图表示学习，在链路预测和节点分类任务中展现出较强的鲁棒性和泛化能力。
Hong-Yu, Yao · 于元隆 · 张春阳 · Yue-Na, Lin · Shang-Jia, Li
IEEE Transactions on Systems, Man, and Cybernetics: Systems 2023
引入模糊表示学习来处理动态图中的不确定性，降低其对表示质量的影响。
结合了CDGRL的优势，保持灵活的模型可扩展性和出色的归纳能力，能处理大规模演化网络中的新节点。
在8个真实数据集上的链路预测和节点分类任务中，与多个基线模型相比，展现出强竞争力和泛化性。