TGB 2.0: A Benchmark for Learning on Temporal Knowledge Graphs and Heterogeneous Graphs

TGB 2.0: A Benchmark for Learning on Temporal Knowledge Graphs and Heterogeneous Graphs

Neurips 24

推荐指数： #paper/⭐⭐⭐#​

提供了可以刷的时序知识图谱和时序异构图

代码地址：JuliaGast/TGB2: Temporal Graph Benchmark project repo

动机

图结构数据学习在推荐系统、知识库补全及分子学习等领域广泛应用。现实中的关系数据通常具有动态演变的特性，且包含多种类型的关系（多关系时序图），能够捕捉复杂的交互模式和时序依赖。近年来，针对多关系时序图的未来链路预测方法不断涌现，主要包括时序知识图谱（TKGs）和时序异构图（THGs）的预测技术，这些方法从多关系数据中提取丰富信息，与单关系时序图的研究形成明显区别。

然而，多关系时序图的基准测试面临两大挑战：

1. 评估标准不一致：不同方法采用的评价指标和实验设置差异较大，导致结果可比性低；
2. 数据集规模受限：现有公开数据集规模较小且多样性不足，难以全面验证模型性能。

贡献：

1. 新的超大数据集
2. 真实且可重复的评估