社区增强Transformer

动态网络嵌入

CeDFormer利用Transformer捕捉动态图中的时序结构，并通过社区内参数共享优化，在不损失性能的前提下提升训练速度。

Jiaqi, Guo · Li, Tianpeng · Shao, Minglai · 王文俊 · 潘林 · Chen, Xue · 孙越恒

Lecture Notes in Computer Science 2025

参数信息

训练速度提升

30%∼35% %

技术优势

训练快三成以上

通过全局视角下稳定社区内的参数共享，在不损失性能的前提下将训练速度提升30%~35%。

时序依赖抓得准

即使动态图快照间关系不满足平滑性假设，CeDFormer仍能利用Transformer有效建模复杂时序依赖。

应用场景

• 社交网络分析：高效更新节点嵌入，及时捕捉社区结构与关系演化。
• 推荐系统：快速学习用户-物品交互的时序模式，提升推荐时效性。
• 智能体行为建模：对智能体行为序列建模，捕捉非平稳行为转换。