本文提出了一种新的时间链接预测方法，通过节点动态分析提高预测准确性，实验证明在合著网络中性能提升17.34%。研究探讨了动态图神经网络的时间粒度对性能的影响，并提出基于元学习的新模型以快速适应新节点，展示了在动态链接预测中的优越性。

该文汇总多篇研究，涵盖动态链接预测、时空图建模、注意力机制、多模态学习及贝叶斯网络因果结构学习。重点包括：用点过程与变分自编码器推断时间关注力；以块邻接矩阵和GNN捕捉时空拓扑；提出BAM注意力模块；用双线性注意力网络提升VQA；基于条件独立性、MCMC和得分搜索学习因果结构，兼顾精度与可扩展性。