UniSAGE用超结构统一静态与动态属性

背景

随着数字数据的快速增长，现实世界应用越来越多地涉及结合静态属性与动态记录的层次化信息。如何以统一且可泛化的方式对这类异构数据进行建模仍然具有挑战性。现有方法通常依赖大量人工设计，与特定数据模式紧密耦合，并且往往孤立地处理静态属性和动态属性，从而忽略了它们之间的隐式交互。这种分离导致模型难以捕捉跨属性的复杂依赖关系，也难以适应不断变化的数据模式。

核心内容

我们提出 UniSAGE，一个用于同时建模静态属性和动态属性的统一框架。UniSAGE 的核心创新包括：

1. 全局属性图构建：将层次关系和时间关系整合到一个统一的结构中，构建一个全局属性图。该图能够同时表示静态属性之间的层次关联以及动态属性随时间变化的记录。

2. 正交参数子空间：为了确保表示一致性，UniSAGE 引入了两个正交的参数子空间，分别在共享的语义空间中支持静态聚合和动态推理。这两个子空间互不干扰，但共同作用于同一个表示空间，从而保证了静态与动态特征的可比性与可组合性。

3. 轻量级超结构机制：基于统一的表示，UniSAGE 通过轻量级的超结构机制（hyper-structure mechanism）实现静态属性与动态属性之间的任务特定交互。这种机制能够自适应地学习跨属性的依赖，而无需繁重的人工特征工程。

UniSAGE 是完全自动化的，对不断演变的数据模式具有鲁棒性，并且能够捕获复杂的跨属性依赖关系。在多个公开基准和一个真实世界金融行为数据集上的大量实验表明，UniSAGE 始终优于现有方法，在多个任务上取得了超过 10% 的性能提升。

关键要点

• 统一建模：UniSAGE 将静态属性和动态属性纳入同一框架，而非像传统方法那样分别处理。
• 全局属性图：通过一个单一的图结构同时表示层次关系和时间关系，降低了模式设计的复杂度。
• 正交子空间：两个正交的参数子空间分别负责静态聚合和动态推理，确保表示一致性并防止信息混淆。
• 轻量级超结构：采用超结构机制实现静态与动态之间的任务特定交互，无需大量人工特征。
• 自动化与鲁棒性：框架完全自动化，能够自动适应数据模式的变更，无需重新设计模型。
• 显著性能提升：在多个公开数据集和真实金融行为数据上，UniSAGE 实现了超过 10% 的改进，证明了其有效性和泛化能力。

意义与影响

UniSAGE 的意义在于它为处理现实世界中普遍存在的混合静态-动态层次化数据提供了一种统一、自动化且高性能的解决方案。传统方法要么需要针对具体模式手工设计，要么只能处理单一类型属性，而 UniSAGE 通过创新的图结构和参数子空间设计，克服了这些限制。其性能提升（尤其是超过 10% 的改进幅度）表明，跨属性交互的显式建模能够带来显著的收益。此外，UniSAGE 对数据模式变更的鲁棒性使其特别适合生产环境，例如金融风控、用户行为分析、物联网监控等场景，这些场景的数据结构经常变化且需要持续适应。该工作的发布将推动学术界和工业界更加关注统一异构图建模的方向，并为后续研究提供坚实的基线。