将GCN和LSTM相结合，实现对图结构数据的时间序列建模，用于处理具有时间序列属性的图分类任务。

RNN的提出可以追溯到1982年，当时J. Hopfield等人提出了一种称为“Hopfield网络”的模型，该模型可以用于解决序列数据处理问题。但是，RNN的应用受限于其难以处理长序列数据的问题，直到LSTM（1997）和GRU（20

GRU (Gated Recurrent Unit) 是在2014年被提出的，由Kyunghyun Cho等人在论文 “Learning Phrase Representations using RNN Encoder-Decoder fo

Gated Graph Neural Network Gated Graph Neural Network (GGNN) 是一种基于图神经网络的模型，由Microsoft Research提出，旨在处理图形数据（如程序代码、分子结构等）上的

MPNN指的是基于消息传递机制的图神经网络，它能够对图结构数据进行建模和学习。在MPNN中，节点和边都可以包含信息，每个节点和边都有一个表示向量，它们可以根据它们相邻的节点和边的信息来更新自己的向量表示。MPNN通常包括两个主要步骤：消息传