图神经网络赋能时间序列预测：超越传统方法

本文介绍了一种基于图神经网络的时间序列预测方法，它利用图结构数据（例如关系数据库）中节点之间的关联信息来提高预测精度。与传统的只关注单个时间序列的方法不同，该方法将各个时间序列视为图中的节点，并利用图转换器等技术来捕捉节点间的关联性，从而更准确地预测未来趋势。文章还比较了回归预测和生成式预测两种方法，并通过实验结果展示了生成式预测方法在捕捉高频细节和处理异常事件方面的优势。