論文の概要: EventConnector: Mining Social Event Relations through Temporal Graphs

• arxiv url: http://arxiv.org/abs/2606.15448v1
• Date: Sat, 13 Jun 2026 19:44:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.57922
• Title: EventConnector: Mining Social Event Relations through Temporal Graphs
• Title（参考訳）: EventConnector: テンポラルグラフによるソーシャルイベント関係のマイニング
• Authors: Zijie Lei, Haofei Yu, Ge Liu, Jiaxuan You,
• Abstract要約: textitEventConnectorは、一時的なイベントグラフを構築するフレームワークである。 textbfEC-Fusionは、EventConnectorのグラフベースのスコアを補完的なGranger-Causal信号で融合する適応的な検索メカニズムである。
• 参考スコア（独自算出の注目度）: 30.803277876468943
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding and retrieving related real-world events based on their temporal dynamics is a fundamental challenge in time-sensitive applications such as forecasting, information retrieval, and social analysis. Existing methods often rely on semantic similarity or global time-series alignment, which overlook the transient and directional dependencies that frequently underlie real-world correlations. In this work, we introduce \textit{EventConnector}, a framework that constructs a temporal event graph capturing localized co-fluctuations and lead-lag relationships between events through their time-series trajectories. We further propose \textbf{EC-Fusion}, an adaptive retrieval mechanism that fuses EventConnector's graph-based scores with a complementary Granger-causal signal via a graph-quality-aware mixing weight. Across two real-world prediction market benchmarks (Polymarket and Kalshi) and nine forecasting architectures evaluated over three random seeds, EC-Fusion is the best non-oracle retrieval method on $17/18$ model--dataset cells, reducing RMSE by $6.87\%$ on average (up to $10.86\%$) over the strongest comparable retrieval baseline, with statistical significance at $p < 0.01$ after Holm--Bonferroni correction. These results highlight the effectiveness of temporally grounded graph modeling, augmented with causal-signal fusion, in capturing latent event relationships beyond what semantic similarity or traditional alignment techniques can offer.
• Abstract（参考訳）: 時間的ダイナミクスに基づく実世界の事象の理解と検索は、予測、情報検索、社会分析といった時間に敏感なアプリケーションにおける根本的な課題である。 既存の手法は、しばしば意味的類似性やグローバルな時系列アライメントに依存し、現実世界の相関を過度に満たす過渡的および方向的依存関係を見落としている。 本研究では,時間-時系列トラジェクトリを通じてイベント間の局所化共ゆらぎとリード-ラグ関係をキャプチャする時間的イベントグラフを構築するフレームワークである,‘textit{EventConnector} を紹介する。 さらに,EventConnectorのグラフベースのスコアをグラフ品質認識混合重みを介して補完的なGranger-Causal信号と融合する適応的検索機構である‘textbf{EC-Fusion} を提案する。 2つの実世界の予測市場ベンチマーク(PolymarketとKalshi)と3つのランダムシードで評価された9つの予測アーキテクチャのうち、EC-Fusionは17/18ドルのモデル-データセットセル上で最高の非オラクル検索方法であり、RMSEを最大で最上位の検索ベースラインで平均6.87 %(最大10.86 %)削減し、統計学的にはHolm--Bonferroni補正後の0.01ドルである。 これらの結果は、意味的類似性や従来のアライメント技術がもたらすもの以上の潜在事象関係を捉える上で、因果信号融合を付加した時間的基底グラフモデリングの有効性を強調した。

関連論文リスト

• Stochastic Event Prediction via Temporal Motif Transitions [0.0]
  時間的リンク予測手法は、通常、タスクを負のサンプリングを伴うバイナリ分類として表す。 本稿では、時系列リンク予測を連続時間における逐次予測問題として再構成するフレームワークSTEP(Stochastic Event Predictor)を紹介する。
  論文  参考訳（メタデータ） (2026-03-06T03:51:40Z)
• ADFormer: Aggregation Differential Transformer for Passenger Demand Forecasting [13.568598787640127]
  本稿では,需要予測促進のための新たな洞察を提供する差分集約変換器(AD)を提案する。 空間的相関を利用して注意を喚起する一方で、空間と時間の性質に基づく集約戦略を設計する。 タクシーと自転車で行った実験は,本モデルの有効性と有効性を確認し,その実用的価値を実証した。
  論文  参考訳（メタデータ） (2025-06-03T07:55:51Z)
• TimeGraphs: Graph-based Temporal Reasoning [64.18083371645956]
  TimeGraphsは階層的時間グラフとして動的相互作用を特徴付ける新しいアプローチである。 提案手法は,コンパクトなグラフベース表現を用いて相互作用をモデル化し,多種多様な時間スケールでの適応推論を可能にする。 我々は,サッカーシミュレータ,抵抗ゲーム,MOMA人間活動データセットなど,複雑でダイナミックなエージェントインタラクションを持つ複数のデータセット上でTimeGraphsを評価する。
  論文  参考訳（メタデータ） (2024-01-06T06:26:49Z)
• Exploring the Limits of Historical Information for Temporal Knowledge Graph Extrapolation [59.417443739208146]
  本稿では,歴史的コントラスト学習の新しい学習枠組みに基づくイベント予測モデルを提案する。 CENETは、最も潜在的なエンティティを識別するために、歴史的および非歴史的依存関係の両方を学ぶ。 提案したモデルを5つのベンチマークグラフで評価する。
  論文  参考訳（メタデータ） (2023-08-29T03:26:38Z)
• Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
  データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。 階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
  論文  参考訳（メタデータ） (2023-05-11T10:30:35Z)
• Exogenous Data in Forecasting: FARM -- A New Measure for Relevance Evaluation [62.997667081978825]
  FARM - Forward Relevance Aligned Metricという新しいアプローチを導入する。 我々のフォワード法は、その後のデータポイントの変化を時系列に合わせるために比較する角測度に依存する。 第1の検証ステップとして、FARMアプローチの合成信号・代表信号への適用について述べる。
  論文  参考訳（メタデータ） (2023-04-21T15:22:33Z)
• CEP3: Community Event Prediction with Neural Point Process on Graph [59.434777403325604]
  グラフニューラルネットワークとマーク付き時間点プロセス(MTPP)を組み合わせた新しいモデルを提案する。 実験では,モデルの精度と訓練効率の両面から,モデルの優れた性能を実証した。
  論文  参考訳（メタデータ） (2022-05-21T15:30:25Z)
• A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
  イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。 基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
  論文  参考訳（メタデータ） (2020-02-21T23:10:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。