一种基于时空稀疏注意力的时空图挖掘算法 谢毅.pdf

计算机工程
Computer Engineering
ISSN 1000-3428,CN 31-1289/TP

往往依赖于主
观先验知识构建，并且难以包含时间动态性的变化。如何自动地获取时空图数据中的动态图特征是一项具有挑战性的任务，
因此提出一种基于时空稀疏注意力的时空图挖掘算法（spatial-temporal graph mining algorithm based on Spatial-Temporal Sparse
Attention Network，STSAN）。首先，构造空间稀疏注意力层，通过对每个时间片上节点间的关系进行度量生成稀疏图，并
进一步在各个稀疏图结构上使用注意力机制完成节点的空间（纵向）特征的提取。之后，时间稀疏注意力层通过类似的方式
进一步完成节点的时序（横向）特征的提取。最后，提出将空间稀疏注意力层和时间稀疏注意力层堆叠为时空稀疏 Transformer
模块，并完成时空依赖关系建模。实验结果表明，与现有方法相比，STSAN 在两个公开的交通数据集上，相比现有的算法能
够获得约 2%～16%的性能提升。实验还表明，将本文提出的空间稀疏注意力层直接用于替换现有算法的空间特征模块，能够
在原有算法基础上获得平均约 3%～9%的性能提升。
关键词：时空图；稀疏注意力；图结构；时空依赖；动态性

开放科学（资源服务）标志码（OSID）:

A Spatial-Temporal Graph Mining Algorithm based on
Spatial-Temporal Sparse Attention Network
XIE Yi1, WANG Qiang2, LI Haihong2, JIN Cheng2, REN Hongrun1, XUE Wen1, XIONG Yun1
(1. Shanghai Key Laboratory of Data Science, School of Computer Science, Fudan University, Shanghai 200433, China;
2. Shanghai Center for Meteorological Disaster Prevention Technology,