本文研究了DAG自动机作为概率模型的可行性，发现某些DAG自动机的应用效果不佳。提出了基于高斯图模型的统一图学习框架和基于张量函数的图遍历算法，展示了其在大规模图数据集上的高效性。同时，介绍了图神经网络算法和无监督学习技术，强调了从专家演示中学习确定性有限自动机的算法，并结合大型语言模型提升学习效率。最后，提出了DeepDFA方法，结合逻辑语法和深度学习的优势，取得了良好效果。

该文综述时序图神经网络研究进展，涵盖TGL、TGN、TOGL、LasTGL、DistTGL、GenTKG等框架，涉及大规模离线训练、分布式GPU加速、拓扑与持久同调结合、检索增强生成及泛化理论，并梳理学习设置、任务形式化与分类方法，指出开放挑战。

李双利和周景博是飞桨开发者技术专家，研究时空数据挖掘和图深度学习。他们在2021年获得百度研究院年度优秀实习生，并在计算机顶级会议上发表了多篇基于飞桨的论文。他们提出了基于飞桨的图学习框架，用于研究城市区域地点的动态关系挖掘，并通过实验证明了该框架的有效性。