University of Michigan（密歇根大学安娜堡分校）

When GNNs Fail: Quantifying and Overcoming Temporal Correlation Volatility in Time Series

当GNN失效：量化与克服时间序列中的时间相关性波动性

Chen Shao, Yue Wang, Zhenyi Zhu, Zhanbo Huang, Tobias Käfer, Zonghan Wu, Danai Koutra

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； The Hong Kong University of Science and Technology（香港科技大学） ； East China Normal University（华东师范大学） ； University of Michigan（密歇根大学） 纠错

AI总结 本研究提出时间相关性波动性（TCV）指标，发现高TCV下GNN等模型泛化差，进而提出GLIDE层，在合成与真实基准上使平均性能最高提升45.6%。

Comments 6 figures, 3 tables, 16 pages

Journal ref European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, 2026