Naukowcy z arXiv zaproponowali UniSAGE, nową metodę ujednolicającą modelowanie statycznych i dynamicznych atrybutów w hierarchicznych danych. Dotychczasowe podejścia wymagały zawiłych ręcznych projektów, były mocno powiązane z konkretnymi schematami danych i przetwarzały atrybuty statyczne i dynamiczne niezależnie, pomijając ich wzajemne oddziaływania.
UniSAGE buduje globalny graf atrybutów reprezentujący zarówno relacje hierarchiczne jak i czasowe w jednej ujednoliconej strukturze. Klucz do innowacyjności stanowią dwa ortogonalne podprzestrzenie parametrów, które wspólnie wspierają agregację dla atrybutów statycznych i rozumowanie dla atrybutów dynamicznych w ramach wspólnej przestrzeni semantycznej. To podejście zapewnia reprezentacyjną spójność i umożliwia odkrywanie złożonych zależności między atrybutami.
Mechanizm lekkiej hyper-struktury umożliwia model zadań specyficznych interakcje między atrybutami statycznymi i dynamicznymi. UniSAGE jest w pełni automatyczny, odporny na ewoluujące schematy danych i wykazał poprawę wydajności przekraczającą 10 procent na kilku benchmarkach, w tym na rzeczywistym zbiorze danych behawioralnych z branży finansowej.