Mar, 2024
利用个体图结构提升生态瞬时评估（EMA）预测
Exploiting Individual Graph Structures to Enhance Ecological Momentary Assessment (EMA) Forecasting
Mandani Ntekouli, Gerasimos Spanakis, Lourens Waldorp, Anne Roefs
TL;DR该研究调查了借助回归和时间图神经网络（GNNs）评估和预测生态瞬时评估（EMA）数据的性能，发现 GNNs 能够在增加内部变量关系的图的情况下显著提升结果，将均方误差（MSE）从基准 LSTM 模型的 1.02 降低至 0.84；此外，也探讨了构建具有不同特征的图对 GNN 性能的影响，并发现使用动态优化的 GNN 学习图具有类似良好的性能，因此图学习对其他 GNN 方法也具有潜在的改进作用。