DTGB: Um Referencial Abrangente para Grafos Dinâmicos Atribuídos por Texto

Os grafos dinâmicos atribuídos por texto (DyTAGs) são prevalentes em vários cenários do mundo real, onde cada nó e aresta estão associados a descrições textuais, e tanto a estrutura do grafo quanto as descrições textuais evoluem ao longo do tempo. Apesar de sua ampla aplicabilidade, há uma escassez notável de conjuntos de dados de referência adaptados aos DyTAGs, o que dificulta o avanço potencial em muitos campos de pesquisa. Para preencher essa lacuna, introduzimos o Benchmark de Grafos Atribuídos por Texto Dinâmico (DTGB), uma coleção de grafos em larga escala e em evolução temporal de diversos domínios, com nós e arestas enriquecidos por atributos textuais e categorias que mudam dinamicamente. Para facilitar o uso do DTGB, projetamos procedimentos de avaliação padronizados com base em quatro casos de uso do mundo real: previsão de links futuros, recuperação de nós de destino, classificação de arestas e geração de relações textuais. Essas tarefas exigem que os modelos compreendam tanto estruturas de grafos dinâmicos quanto a linguagem natural, destacando os desafios únicos colocados pelos DyTAGs. Além disso, realizamos extensos experimentos de benchmark no DTGB, avaliando 7 algoritmos populares de aprendizado de grafos dinâmicos e suas variantes de adaptação aos atributos textuais com embeddings de LLM, juntamente com 6 poderosos modelos de linguagem de grande porte (LLMs). Nossos resultados mostram as limitações dos modelos existentes em lidar com DyTAGs. Nossa análise também demonstra a utilidade do DTGB na investigação da incorporação de dinâmicas estruturais e textuais. O DTGB proposto promove a pesquisa sobre DyTAGs e suas amplas aplicações. Ele oferece um referencial abrangente para avaliar e avançar modelos para lidar com a interação entre estruturas de grafos dinâmicos e linguagem natural. O conjunto de dados e o código-fonte estão disponíveis em https://github.com/zjs123/DTGB.