Escrever uma avaliação PREreview

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

de Hang Yu

Publicado: 22 de setembro de 2025
Servidor: 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.

Você pode escrever uma avaliação PREreview de Prior-Guided Spatiotemporal GNN for Robust Causal Discovery in Irregular Telecom Alarms. Uma avaliação PREreview é uma avaliação de um preprint e pode variar de algumas frases a um parecer extenso, semelhante a um parecer de revisão por pares realizado por periódicos.

Antes de começar

Vamos pedir que você faça login com seu ORCID iD. Se você não tiver um iD, pode criar um.