CHASE：动态图节点分类标签迁移感知框架

2026年10月15日，arXiv Artificial Intelligence 报道，Junghoon Kim 等作者提出模型无关框架 CHASE（CHange-Aware framework for Shifting nodEs），用于动态图节点分类。该工作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，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。报道称，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。目前该事件仅有这一篇报道，尚无后续跟进或不同说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。