时空图神经网络：综述
机器学习
2023-02-14 v2
摘要
图神经网络在过去几年中获得了巨大关注。这些强大算法将深度学习模型扩展至非欧几里得空间，并能在包括推荐系统与社会网络在内的多种应用中达到最先进（state of the art）性能。然而，该性能基于静态图结构假设，这限制了图神经网络在数据随时间变化时的表现。时空图神经网络是图神经网络的扩展，其考虑了时间因素。近来，多种时空图神经网络算法被提出，并在若干时间依赖应用中相较其他深度学习算法取得了更优性能。本综述讨论了与时空图神经网络相关的有趣主题，包括算法、应用与开放挑战。
引用
@article{arxiv.2301.10569,
title = {Spatio-Temporal Graph Neural Networks: A Survey},
author = {Zahraa Al Sahili and Mariette Awad},
journal= {arXiv preprint arXiv:2301.10569},
year = {2023}
}