万字长文 | 时空图神经网络模型在时间序列预测和分类中的系统文献综述

文章预览

这篇系统文献综述(SLR)全面回顾了时空图神经网络(GNN)模型在时间序列分类和预测领域的应用现状，并评估了其在不同领域的性能和有效性。 1. 引言 近年来，图神经网络(GNN)在处理可以表示为图结构的数据方面表现出强大的能力，尤其适用于交通网络、图像分析和自然语言处理等应用场景。 GNN 旨在将图中的节点映射到欧几里得空间，生成节点嵌入，从而捕捉节点之间的关系。GNN 可用于以下三类问题： 图级问题：预测整个图的属性，例如预测分子的全局性质。 边级问题：预测图中节点对之间是否存在边，例如推荐系统中预测用户与商品之间的潜在连接。 节点级问题：预测图中每个节点的标识或角色，例如节点分类或回归任务。 这篇综述重点关注 GNN 在时间序列相关任务中的应用，特别是时间序列分类和预测。时空 GNN 模型旨在同时捕捉变量之间以 ………………………………