第49卷第4期2023年4月ComputerEngineering计算机工程一种基于时空稀疏注意力的时空图挖掘算法谢毅1，王强2，李海宏2，金诚2，任洪润1，薛雯1，熊贇1（1.复旦大学计算机科学技术学院上海市数据科学重点实验室，上海200433；2.上海市气象灾害防御技术中心，上海200030）摘要：当前用于时空图挖掘的算法通常基于专家预定义或者经过特征增强的静态图结构，这些静态的图结构往往依赖于主观先验知识构建，并且不包含时间动态性的变化。为完成自动获取时空图数据中动态图特征的任务，提出一种基于时空稀疏注意力的时空图挖掘算法（STSAN）。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，并在各个稀疏图结构上使用注意力机制完成节点空间（纵向）特征的提取。时间稀疏注意力层通过类似的方式完成节点时序（横向）特征的提取。在此基础上，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，完成时空依赖关系建模。实验结果表明，与DCRNN、STGCN等方法相比，该算法在2个公开的交通数据集上能够获得2.65%～16.35%的性能提升，将所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，能够在原算法基础上获得平均3.18%～9.14%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）：中文引用格式：谢毅，王强，李海宏，等.一种基于时空稀疏注意力的时空图挖掘算法［J］.计算机工程，2023，49（4）：108-113.英文引用格式：XIEY，WANGQ，LIHH，etal.Aspatial-temporalgraphminingalgorithmbasedonspatial-temporalsparseattention［J］.ComputerEngineering，2023，49（4）：108-113.ASpatial-TemporalGraphMiningAlgorithmBasedonSpatial-TemporalSparseAttentionXIEYi1，WANGQiang2，LIHaihong2，JINCheng2，RENHongrun1，XUEWen1，XIONGYun1（1.ShanghaiKeyLaboratoryofDataScience，SchoolofComputerScience，FudanUniversity，Shanghai200433，China；2.ShanghaiCenterforMeteorologicalDisasterPreventionTechnology，Shanghai200030，China）【Abstract】Existingspatial-temporalgraphminingalgorithmsaretypicallybasedonstaticgraphstructures，whicharepre-definedbyexpertsorconstructedviafeatureaugmentation.Thesestaticgraphstructuresrelyonsubjectivepriorknowledgeandarenoteasilyadaptabletotemporaldynamicchanges.Thus，automa...
