STH-SepNet은 대규모 실제 데이터셋에서의 공간-시간 예측 문제를 해결하기 위해 제안된 새로운 프레임워크입니다. 기존 방법들의 모델 표현력과 계산 효율 간의 균형 문제를 해결하기 위해, 시간적 차원과 공간적 차원의 모델링을 분리하는 전략을 사용합니다. 경량 대규모 언어 모델을 이용하여 저차원 시간 역동성을 효과적으로 포착하고, 적응형 초그래프 신경망을 통해 복잡한 고차 상호작용을 모델링하는 공간 차원을 다룹니다. 마지막으로, 시간적 및 공간적 표현을 원활하게 융합하기 위해 게이팅 메커니즘을 통합합니다. 다양한 벤치마크에 대한 실험 결과, STH-SepNet은 예측 성능을 향상시키면서 계산 효율성을 유지하는 효과적인 방법임을 보여줍니다.
