पत्र में Drift-Aware Temporal Graph Rewiring (DATGR) पेश किया गया है, जो अनुमानित अर्थिक विचलन के आधार पर सह-घटना किनारों को गतिशील रूप से अपडेट करके अवधारणा विकास को मॉडल करता है। प्रत्येक समय स्लाइस के लिए एम्बेडिंग्स को पुनः प्रशिक्षित करने के बजाय, DATGR लजिस्टिक अपडेट नियम का उपयोग करते हुए हल्के, फीडबैक-चालित रीवायरिंग करता है।
- जैव-चिकित्सा बहु-संबंध कॉरपस (BIOMRC) पर मूल्यांकन किया गया, विधि ने स्थिर आधार के सापेक्ष लगभग 0.066 निरंतर अंतर (0.699 बनाम 0.633) की औसत AUROC सुधार हासिल किया।
- सटीकता-यादवली वक्र के नीचे का क्षेत्र (AUPRC) तुलनीय रहा (0.738 बनाम 0.744), यह दिखाते हुए कि ड्रिफ्ट-अवेयर अनुकूलन सटीकता में हानि के बिना लिंक-पूर्वाभास यादवली को बढ़ाता है।
ये परिणाम दर्शाते हैं कि किनारा-स्तर अनुकूलन विकसित जैव-चिकित्सा पाठ में समय अर्थिक परिवर्तन को प्रभावी ढंग से पकड़ता है, जबकि गणनात्मक रूप से कुशल और व्याख्या योग्य रहता है।