본 논문은 실시간 상호작용 모델링을 위해 기존의 스냅샷 그래프 기반 방법 대신, **전체 기록 그래프(full-history graph)**를 제안합니다. 전체 기록 그래프는 각 엔티티에 대해 모든 시간 단계별로 노드를 생성하고, 동일 시간 내 관계를 나타내는 **시간 내부 간선(intra-time-step edges)**과 시간에 따른 엔티티 자기 연결을 나타내는 시간 간 간선(inter-time-step edges) 두 가지 유형의 간선을 사용합니다. 이 그래프 상에서 학습하기 위해, **간선 유형 분리 네트워크(ETDNet)**를 설계하여 시간 내부 간선 정보를 집계하는 그래프-어텐션 모듈, 시간 간 간선 정보를 처리하는 다중-헤드 시간 어텐션 모듈, 그리고 두 모듈의 정보를 결합하는 융합 모듈로 구성된 병렬 모듈을 사용합니다. Waymo 자율주행 데이터셋과 Elliptic++ 비트코인 사기 데이터셋 실험 결과, ETDNet은 기존 방법들보다 성능이 우수함을 보였습니다 (Waymo 정확도 75.6% vs 74.1%, Elliptic++ F1 스코어 88.1% vs 60.4%). 이는 구조적 관계와 시간적 관계를 별개의 간선으로 표현하는 것이 유익함을 보여줍니다.
