Le cadre DATGR utilise le réarrimage de graphe sensible à la dérive pour améliorer la modélisation des textes biomédicaux

L'article présente Drift-Aware Temporal Graph Rewiring (DATGR), un cadre qui modélise l'évolution des concepts en mettant à jour dynamiquement les arêtes de co-occurrence sur la base d'une dérive sémantique estimée. Au lieu de réentraîner les embeddings pour chaque tranche temporelle, DATGR effectue un réarrimage léger piloté par rétroaction en appliquant une règle de mise à jour logistique aux poids des arêtes.

• Évalué sur le Corpus Multi-Relations Biomédical (BIOMRC), la méthode a obtenu une amélioration moyenne d'AUROC d'environ 0,066 en différence absolue (0,699 vs. 0,633) par rapport à une ligne de base statique.
• L'aire sous la courbe Précision-Rappel (AUPRC) est restée comparable (0,738 vs. 0,744), montrant que l'adaptation sensible à la dérive améliore le rappel de prédiction de liens sans perte de précision.

Ces résultats démontrent que l'adaptation au niveau des arêtes capture efficacement le changement sémantique temporel dans les textes biomédicaux en évolution tout en restant efficace sur le plan computationnel et interprétable.