时间图学习入门

《ACM Computing Surveys》：A Primer on Temporal Graph Learning

本文通过概念优先方法系统介绍时序图学习（TGL）核心概念，涵盖动态图表示、适配神经架构（循环/卷积/图神经网络）、关键任务（预测/生成/分类/压缩）及数学公式，构建基础框架以促进后续研究与应用。

　　

摘要

本文档旨在通过概念优先的方法，让读者了解时序图学习（Temporal Graph Learning, TGL）。我们系统地介绍了理解TGL框架运作所需的关键概念。除了定性解释外，还在适用的情况下加入了数学公式，以提高文本的清晰度。由于TGL涉及时间和空间学习，我们介绍了相关的学习架构，包括循环神经网络、卷积神经网络以及图神经网络。我们通过直观的示例和正式的定义来帮助读者建立基础理解，涵盖了时序图表示方法、适用于动态图的神经架构，以及预测、生成、分类和压缩等关键学习任务。我们的目标不是全面综述相关文献，而是构建一个概念框架，为读者进一步学习和应用TGL方法做好准备。