节点记忆

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。

RAFT利用节点记忆的变化幅度来判断事件的重要性：记忆变化小意味着该事件对后续预测影响有限，可作为冗余过滤的依据。

研究发现，涉及稳定节点记忆的预测目标往往表现出较低的预测损失。

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。