본 논문은 시공간 외부 분포(STOOD) 시나리오에서 일반화에 어려움을 겪는 시공간 그래프 신경망(STGNN)의 한계를 해결하기 위해, 검색 기반 증강 학습을 통합한 새로운 시공간 검색 증강 패턴 학습 프레임워크(STRAP)를 제안합니다. STRAP은 과거, 구조적, 의미적 정보가 풍부한 대표적인 시공간 패턴을 저장하는 패턴 라이브러리를 사용하여, 추론 시 현재 입력과 유사한 패턴을 검색하고 플러그 앤 플레이 프롬프팅 메커니즘을 통해 모델에 주입합니다. 이는 시공간 표현을 강화하고 catastrophic forgetting을 완화하며, 지식 균형 목표를 통해 새로운 정보와 검색된 지식을 조화시킵니다. 실제 스트리밍 그래프 데이터셋에 대한 실험 결과, STRAP은 STOOD 작업에서 최첨단 STGNN 기준 모델들을 능가하는 성능을 보여줍니다.
