时空图是属性图，其中节点输入随时间动态变化。时空图的定义为：$$G^{(t)}=\left(\mathbf{V}, \mathbf{E}, \mathbf{X}^{(t)}\right)$$其中$$\mathbf{X}^{(t)} \in \mathbf{R}^{n \times d}$$。时空图神经网络（STGNNs）旨在从时空图学习隐藏模式，这种模式在各种应用中变得越来越重要，例如交通速度预测，驾驶员操纵预期和人类行为识别。STGNNs的关键思想是同时考虑空间依赖性和时间依赖性。当前许多方法将图卷积与RNNs或CNNs集成在一起以捕获空间依赖性，从而对时间依赖性进行建模。