走向时间边缘回归：一个关于国家间农业贸易的案例研究
探索将图神经网络应用于静态和动态环境中的边缘回归任务，着重预测国家之间的食品和农业贸易价值，通过实验证明现有的基准模型在各种设置下表现出极强的性能，且 TGN 模型优于其他 GNN 模型，同时提到训练样本中负边的比例对测试性能有显著影响。
该研究提出了一种面向多变量时间序列数据的图神经网络框架，通过图学习模块提取变量之间的关系，并利用混合传递和膨胀创新层捕捉时间序列中的空间和时间相关性。实验结果表明，该模型在基准数据集上的性能优于现有方法，并在提供额外结构信息的交通数据集上表现相当。
