В статье представлен фреймворк Drift-Aware Temporal Graph Rewiring (DATGR), который моделирует эволюцию концепций путём динамического обновления рёбер совместной встречаемости на основе оценённого семантического дрейфа. Вместо переобучения эмбеддингов для каждого временного среза DATGR выполняет лёгкую переобвязку, управляемую обратной связью, с использованием логистического правила обновления для весов рёбер.
- Оценено на корпусе Biomedical Multi-Relation Corpus (BIOMRC): метод достиг среднего улучшения AUROC примерно на 0.066 абсолютной разницы (0.699 против 0.633) по сравнению со статическим базовым уровнем.
- Площадь под кривой точность-полнота (AUPRC) осталась сопоставимой (0.738 против 0.744), что показывает: адаптация с учётом дрейфа повышает полноту предсказания связей без потери точности.
Эти результаты демонстрируют, что адаптация на уровне рёбер эффективно улавливает временные семантические изменения в эволюционирующем биомедицинском тексте, оставаясь вычислительно эффективной и интерпретируемой.