时序图神经网络

时序图神经网络（TGNN）通过从演化交互（事件）中更新节点记忆，并利用这些记忆进行下游预测。

在TGNN中，每个事件会更新节点记忆，后续事件依赖前序事件更新后的记忆，导致训练难以并行化。

在TGNN训练中，根事件是被选为预测目标的事件，模型需要基于其之前的节点记忆预测该事件的发生；支持事件是为预测根事件而回溯采样的历史事件，提供上下文并参与节点记忆更新。

节点记忆是TGNN的核心组件之一，通常是一个按节点索引的向量，用于概括该节点截至当前时刻的历史交互信息。