反事實資料增強

深度分析

CoDCL：以反事實資料增強與對比學習強化動態圖時序連結預測

面對持續演化的動態網路預測挑戰，研究提出CoDCL，透過反事實資料增強結合對比學習生成干預式連結樣本，並以鄰域動態搜尋量化時間交互變化，讓模型從事實與反事實時序模式中學習更具因果性的表徵。本方法作為可插拔模組提升多個基線模型在動態連結預測的泛化與穩健性。