El artículo presenta Drift-Aware Temporal Graph Rewiring (DATGR), un marco que modela la evolución de conceptos actualizando dinámicamente las aristas de co-ocurrencia basándose en la deriva semántica estimada. En lugar de reentrenar embeddings para cada segmento temporal, DATGR realiza una reestructuración ligera impulsada por retroalimentación mediante una regla de actualización logística aplicada a los pesos de las aristas.
- Evaluado en el Corpus Biomédico Multi-relacional (BIOMRC), el método logró una mejora media en AUROC de aproximadamente 0.066 de diferencia absoluta (0.699 frente a 0.633) respecto a una línea base estática.
- El Área Bajo la Curva de Precisión-Recuperación (AUPRC) se mantuvo comparable (0.738 frente a 0.744), mostrando que la adaptación consciente de la deriva mejora la recuperación de predicción de enlaces sin pérdida de precisión.
Estos resultados demuestran que la adaptación a nivel de arista captura eficazmente el cambio semántico temporal en texto biomédico en evolución, manteniéndose eficiente computacionalmente e interpretable.