图神经网络实战（20）——时空图神经网络

0. 前言

在经典图神经网络 (Graph Neural Networks, GNN) 中，我们只考虑了边和特征不会发生变化的图数据。然而，在现实世界中，多数应用充满动态性。例如，在社交网络中，人们会关注或取关其他用户，个人资料也会随着时间的推移而发生变化。这种动态性无法用经典 GNN 架构来表示。必须嵌入一个新的时间维度，将静态图转化为动态图 (dynamic graph)。然后，这些动态图将作为一类新 GNN 的输入——时空图神经网络 (Temporal Graph Neural Networks, TGNN，或 Spatio-Temporal GNN)。
在本节中，我们将介绍两种包含时空信息的动态图，并重点关注时间序列预测，这也是时空 GNN 的主要应用领域。然后介绍网络流量预测应用，利用时间信息来改进结果，获得可靠预测。

1. 动态图

动态图 (dynamic graph) 和时空图神经网络 (Temporal Graph Neur