Rédiger un PREreview

Prior-Guided Spatiotemporal GNN for Robust Causal Discovery in Irregular Telecom Alarms

par Hang Yu

Publié: 22 septembre 2025
Serveur de preprints: Preprints.org
DOI: 10.20944/preprints202509.1757.v1

Causal discovery in telecommunication networks is challenging because alarms have irregular timing, uncertain propagation, and incomplete labeling. Existing methods often fail to ensure robustness, accuracy, and interpretability. We propose CausalGNN-Net, which integrates temporal modeling, network topology, and expert priors. A Transformer-based temporal embedding module captures timing with causal masking, a spatiotemporal graph constructor combines topology and co-occurrence with GNN message passing and adaptive edge dropout, a directional graph learner enforces acyclicity, and a prior-guided refiner aligns results with domain knowledge. Training with contrastive loss, sparsity, priors, and calibration improves stability and interpretability. CausalGNN-Net provides a unified and practical solution for causal discovery in telecom alarms.

Vous pouvez rédiger un PREreview de Prior-Guided Spatiotemporal GNN for Robust Causal Discovery in Irregular Telecom Alarms. Un PREreview est une évaluation d'un preprint et peut varier de quelques phrases à un rapport détaillé, semblable à un rapport d'évaluation par les pairs organisé par une revue.

Avant de commencer

Nous vous demanderons de vous connecter avec votre identifiant ORCID iD. Si vous n'en avez pas, vous pouvez en créer un.