该文提出了一种处理上下文 DAG 问题的方法，通过将上下文特征映射到加权邻接矩阵上的有向无环图（DAG），并利用具有新颖投影层的神经网络。实验结果表明，这种新方法可以在现有方法失败的情况下恢复真实的上下文特定图。

本文提出了一种新的多时空融合图循环网络(MSTFGRN)用于交通预测，通过数据驱动的加权邻接矩阵生成方法和双向时空融合操作来高效学习隐藏的空时依赖关系，并整合全局注意机制来同时捕获全局时空依赖性。实验结果表明，该方法在四个大规模真实世界交通数据集上实现了最先进的性能。