본 논문은 시간에 따라 변화하는 그래프에서 미래의 링크를 예측하는 시간적 링크 예측(TLP) 문제에 대해 다룹니다. 기존 최첨단 TLP 모델들은 그래프 신경망과 메모리 모듈을 결합하여 노드의 시간적 메커니즘과 그래프 토폴로지의 변화를 학습하지만, 메모리 모듈은 학습 시점에 관측된 노드 정보만 저장하므로 새로운 그래프에 직접 적용할 수 없습니다. 본 연구는 TLP를 위한 새로운 전이 학습 과제를 제시하고, 메모리 기반 모델에 효과적인 전이 학습 방법을 개발합니다. 구체적으로, 그래프 구조적 특징이 TLP에 유용하다는 점에 착안하여 기존 TLP 모델 구조에 그래프 구조적 특징을 메모리 임베딩으로 매핑하는 구조적 매핑 모듈을 추가합니다. 이를 통해 메모리에 의존하지 않는 TLP 기반 모델을 위한 토대를 마련합니다.
