【论文阅读】Spatial-Temporal Graph Learning with Adversarial Contrastive Adaptation代码地址：https://github.com/HKUDS/GraphST时空图学习已成为建模结构化时空数据、并为城市感知任务（如犯罪预测与交通流量预测）学习区域表示的一种有前景的解决方案。然而，现有的大多数模型由于图结构信息聚合机制不够精确，往往对生成的区域图质量高度敏感，表现出较强的脆弱性。在真实场景中普遍存在的时空数据噪声与不完整性，使得高质量区域表示的生成面临诸多挑战。为应对这一问题，提出了一种新的时空图学习模型 GraphST，用以实现高效的自监督学习。