本文提出了一种可解释的空时图神经网络（STExplainer）框架，旨在提升STGNNs的可解释性和预测精度。研究表明，STExplainer在交通和犯罪预测中表现优异，能够有效应对数据丢失问题。此外，结合图信息瓶颈理论的因果图神经网络框架也显示出更高的准确率和预测能力。