O artigo apresenta o Drift-Aware Temporal Graph Rewiring (DATGR), um framework que modela a evolução de conceitos atualizando dinamicamente as arestas de co-ocorrência com base na deriva semântica estimada. Em vez de retreinar embeddings para cada fatia temporal, o DATGR realiza uma reestruturação leve e orientada por feedback usando uma regra de atualização logística aplicada aos pesos das arestas.

  • Avaliado no Corpus Biomédico Multi-relacional (BIOMRC), o método alcançou uma melhoria média em AUROC de aproximadamente 0.066 de diferença absoluta (0.699 vs. 0.633) em relação a uma linha de base estática.
  • A Área Sob a Curva de Precisão-Recuperação (AUPRC) permaneceu comparável (0.738 vs. 0.744), mostrando que a adaptação consciente da deriva melhora a recuperação de previsão de links sem perda de precisão.

Esses resultados demonstram que a adaptação em nível de aresta captura eficazmente a mudança semântica temporal em texto biomédico em evolução, permanecendo computacionalmente eficiente e interpretável.