给出所有能构建图结构随时间变换的算法或者机器学习模型

以下是一些能构建图结构随时间变换的算法或者机器学习模型：

1. Time-Varying Graph Convolutional Networks (T-GCN)：使用图卷积神经网络处理时间序列数据，同时考虑时间维度和空间维度的变化。

2. Graph Recurrent Neural Networks (GRNN)：使用循环神经网络处理图结构数据，可以处理动态变化的图结构数据。

3. Dynamic Network Embedding (DNE)：使用随机游走算法学习动态变化的图结构嵌入，可以捕捉图结构的演化过程。

4. Dynamic Graph CNN (DGCNN)：使用局部特征和全局特征相结合的方式来处理动态变化的图结构数据。

5. Temporal Convolutional Network (TCN)：使用卷积神经网络处理时间序列数据，可以将时间维度和空间维度的信息结合起来。

6. Recurrent Graph Convolutional Network (R-GCN)：使用循环神经网络和图卷积神经网络相结合的方式来处理动态变化的图结构数据。

7. Evolutionary Graph Convolutional Network (EvolveGCN)：使用演化算法来学习动态变化的图结构，可以捕捉图结构的演化过程。

总之，以上算法或者机器学习模型都能够处理动态变化的图结构数据，可以根据具体的应用场景选择合适的算法或者模型。