可解释的时空预测模型
通过原型匹配和因果子图提取，该模型在保持预测性能的同时，识别出驱动预测的关键时空特征和不变因果结构，解决了时空图神经网络难以解释的问题。
Fang, Hui · Wang, Haishuai · Yang, Gao · Zhang, Yonggang · 卜佳俊 · Han, Bo · Lin, Hui
Information Fusion 2025
轻量原型匹配模块将高维时间序列映射为低维知识向量，使每个时间特征与原型的关系明确，从而解释时间嵌入的形成过程。
通过可学习结构掩码的子图提取模块，模型能选出与标签相关的不变因果节点和边，过滤掉虚假关联，提升结构可解释性。
遵循信息瓶颈原则，模型在时间和空间两个维度上最小化信息量，仅保留对预测有因果作用的必要信息，兼顾解释性与性能。