# PTCL: Pseudo-Label Temporal Curriculum Learning for Label-Limited Dynamic Graph

### 저자

Shengtao Zhang, Haokai Zhang, Shiqi Lou, Zicheng Wang, Zinan Zeng, Yilin Wang, Minnan Luo

### 개요

본 논문은 최종 타임스탬프 레이블만 이용 가능한 레이블 제한적 동적 노드 분류 문제를 해결하기 위해 PTCL(Pseudo-label Temporal Curriculum Learning) 기법을 제안합니다. PTCL은 시간 인식 표현 학습을 담당하는 백본과 최종 레이블에 맞춰진 디코더를 분리하는 시간적 분리 아키텍처와 최종 타임스탬프에 가까운 의사 레이블에 더 높은 가중치를 부여하는 시간적 커리큘럼 학습 전략을 도입합니다.  또한, 다양한 모델과 데이터셋을 지원하는 레이블 제한적 동적 노드 분류를 위한 통합 프레임워크 FLiD(Framework for Label-Limited Dynamic Node Classification)를 제시하며,  장기간 연구 관심사를 포착하는 새로운 학술 데이터셋 CoOAG를 공개합니다. 실험 결과, PTCL은 다른 방법들보다 우수한 성능을 보입니다.

### 시사점, 한계점

- **시사점:**

    - 최종 타임스탬프 레이블만을 이용하여 동적 노드 분류 문제를 효과적으로 해결하는 새로운 방법론 제시.

    - 시간적 분리 아키텍처와 시간적 커리큘럼 학습 전략을 통해 성능 향상.

    - 레이블 제한적 동적 노드 분류를 위한 통합 프레임워크 FLiD 제공.

    - 새로운 학술 데이터셋 CoOAG 공개.

- **한계점:**

    - 제안된 방법론의 일반화 성능에 대한 추가적인 연구 필요.

    - 다양한 유형의 그래프 데이터에 대한 적용성 평가 필요.

    - 의사 레이블의 정확도에 대한 민감도 분석 필요.

[PDF 보기](https://arxiv.org/pdf/2504.17641)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).