摘要
生物医学语言随着新发现的出现而迅速演变，导致传统文本模型随时间的推移失去语义准确性。静态嵌入和共现图无法捕捉这种演变，从而在检索和知识发现任务中表现不佳。本文提出了一种漂移感知时序图重连框架（DATGR），通过基于估计的语义漂移动态更新共现边来建模概念演变。与其为每个时间片重训练嵌入，DATGR采用轻量级、反馈驱动的重连方法，使用应用于边权重的逻辑更新规则。
在生物医学多关系语料库（BIOMRC）上的评估表明，该方法在静态基线上的平均接收者操作特征曲线（AUROC）提升了约0.066（0.699对比0.633）。而精准-召回曲线下面积（AUPRC）保持相近（0.738对比0.744），显示出漂移感知适应在增强链接预测召回率的同时并未损失精度。这些结果表明，边级适应有效捕捉了不断演变的生物医学文本中的时间语义变化，同时保持了计算效率和可解释性。
博主点评： DATGR框架通过动态更新共现边，显著提升了生物医学文本的语义建模能力，展示了在快速变化的语境下，如何有效利用轻量级的反馈机制来捕捉语义漂移，具有重要的应用前景和研究价值。