デジタルデータの急速な増加に伴い、現実世界のアプリケーションは静的属性と動的レコードを組み合わせた階層的情報を扱う機会が増えています。例えば、顧客の基本情報（年齢、地域などの静的属性）と購買履歴や取引記録（時系列の動的データ）を同時に分析する必要があるケースが典型的です。しかし、このような異質なデータを統一的かつ汎用的な方法でモデリングすることは技術的に難しく、既存のアプローチは手作業による設計が多く、特定のデータスキーマに強く依存していました。 研究チームが提案したUniSAGEは、静的属性と動的属性の両方を含むデータを扱うための統一フレームワークです。このフレームワークは、階層的および時間的な関係を単一の構造で表現するグローバル属性グラフを構築します。表現の一貫性を確保するため、2つの直交するパラメータ部分空間を導入し、共有の意味空間内で静的集約と動的推論を共同でサポートします。 UniSAGEの重要な特徴は、軽量なハイパー構造メカニズムを通じて、タスク固有の静的属性と動的属性の相互作用を可能にすることです。従来のアプローチとは異なり、静的と動的の属性を分離して処理するのではなく、それらの暗黙的な相互作用をキャプチャします。さらに、自動化されており、進化するデータスキーマに対してロバストであり、複雑な属性間の依存関係を捉える能力を備えています。 複数の公開ベンチマークと実際の金融行動データセットを用いた広範な実験において、UniSAGEは既存手法を一貫して上回る性能を示し、複数のタスクで10%以上のパフォーマンス改善を達成しました。