本論文では、Drift-Aware Temporal Graph Rewiring (DATGR) というフレームワークを紹介しています。これは、推定された意味的ドリフトに基づいて共起エッジを動的に更新することで、概念の進化をモデル化します。各タイムスライスごとに埋め込みを再学習するのではなく、DATGRはエッジ重みにロジスティック更新則を適用する軽量なフィードバック駆動型の再配線を実行します。

  • 生体医学マルチリレーションコーパス (BIOMRC) で評価した結果、静的ベースラインと比較して約0.066の絶対的なAUROCの改善（0.699 vs. 0.633）を達成しました。
  • Precision-Recall曲線下面積 (AUPRC) は同等のまま（0.738 vs. 0.744）であり、ドリフト対応の適応が精度の低下なしにリンク予測の再現性を向上させることを示しています。

これらの結果は、エッジレベルの適応が進化する生体医学テキストにおける時間的な意味変化を効果的に捉えつつ、計算効率と解釈可能性を維持することを示しています。