CHASE：面向动态图节点分类的标签迁移感知框架

针对动态图神经网络在节点标签发生迁移时性能系统性落后于稳定节点、且错误集中于旧标签的问题，研究者提出模型无关框架 CHASE，通过检测标签迁移并覆盖过时的邻域信号来修正嵌入惯性。在全部测试模型与数据集上，CHASE 将迁移节点的准确率和 F1 分别最高提升 114.9% 和 202.5%，同时保持稳定节点性能，并贡献了三个含自然标签迁移的动态图基准。