EvtGraph: Event-Adaptive Compression for Sparse Temporal Graph Learning in Multimodal Time Series

📄 arXiv: 2608.04368v1 📥 PDF

作者: Ziqian Wang, Tingxiong Xiao, Yuxiao Cheng, Jinli Suo

分类: cs.LG

发布日期: 2026-08-05

备注: 9 page, 9 figures

💡 一句话要点

提出EvtGraph以解决多模态时间序列稀疏图学习中的信息不均问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多模态时间序列 稀疏图学习 事件自适应压缩 节点预算选择 时间约束推理

📋 核心要点

  1. 现有方法通常依赖均匀离散化，导致在处理多模态时间序列时信息表示效率低下。
  2. EvtGraph通过事件自适应压缩和节点预算选择，优化了稀疏图推理过程，提升了计算效率。
  3. 实验表明，EvtGraph在多模态临床数据集上表现优于现有基线，且在效率上有显著提升。

📝 摘要（中文）

多模态时间数据本质上是不规则且信息密度不均的，然而大多数模型依赖于均匀离散化，导致表示效率低下。本文提出了EvtGraph，一个统一框架，通过事件自适应压缩（EAMC）将序列重新参数化为事件级别的标记，选择具有节点预算的紧凑子集（NBC），并执行时间约束的稀疏图推理（T2SG）。这一设计在固定预算下提供了一种有效的表示能力分配机制，实验结果表明，EvtGraph在多模态临床数据和跨领域基准上超越了基于Transformer和递归的基线，同时显著提高了效率。

🔬 方法详解

问题定义：本文旨在解决多模态时间序列数据在信息表示上的低效问题，现有方法往往依赖均匀离散化，无法有效捕捉数据中的重要事件和变化。

核心思路：EvtGraph的核心思想是通过事件自适应压缩（EAMC）将时间序列重新参数化为事件级别的标记，结合节点预算（NBC）选择重要事件，从而在计算中聚焦于关键转折点。

技术框架：EvtGraph的整体架构包括三个主要模块：事件自适应压缩模块、节点预算选择模块和时间约束稀疏图推理模块。首先，通过EAMC将原始序列压缩为事件标记；然后，利用NBC选择重要的事件子集；最后，执行T2SG进行推理。

关键创新：EvtGraph的创新在于其预算约束的事件中心表示方法，能够在固定预算下有效分配表示能力，与传统方法相比，显著提高了计算效率和表示质量。

关键设计：在设计中，EvtGraph设置了特定的节点预算和损失函数，以确保在压缩过程中保留重要信息，同时优化了网络结构以适应稀疏图推理的需求。具体参数设置和网络结构细节在实验部分进行了详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在实验中，EvtGraph在多模态临床数据集（MIMIC-IV + CXR）和跨领域基准上表现出色，超越了基于Transformer和递归的基线，且在计算效率上显著提升，展示了在小预算下仍能保持良好性能的能力。

🎯 应用场景

该研究的潜在应用领域包括医疗数据分析、金融时间序列预测以及智能监控系统等。通过提高多模态时间序列数据的处理效率，EvtGraph能够为实时决策提供支持，未来可能在各类需要高效数据处理的场景中发挥重要作用。

📄 摘要（原文）

Multimodal temporal data are inherently irregular and uneven in information density, yet most models rely on uniform discretization, leading to inefficient representations. We propose \textbf{EvtGraph}, a unified framework that aligns computation with temporal salience under explicit budget constraints. EvtGraph reparameterizes sequences into event-level tokens via event-adaptive compression (EAMC), selects a compact subset with a node budget (NBC), and performs temporally constrained sparse graph reasoning (T2SG). This transforms dense sequences into structured computation over salient events, reducing complexity while preserving critical transitions. We show that this design provides a practical mechanism for allocating representational capacity under a fixed budget, yielding a consistent performance--efficiency trade-off, where a small budget is often sufficient in practice. Experiments on multimodal clinical (MIMIC-IV + CXR) and cross-domain benchmarks demonstrate that EvtGraph outperforms both Transformer-based and recurrent baselines while significantly improving efficiency. These results suggest that budget-constrained event-centric representation provides a general paradigm for learning from high-redundancy temporal data.