推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于时序知识图谱补全模型预测新的时间依赖关系研究

更新时间:2026-03-14 11:33:11 大小:16K 上传用户:江岚查看TA发布的资源 标签:时序知识图谱 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

一、时序知识图谱概述

时序知识图谱(Temporal Knowledge Graph, TKG)是传统知识图谱的扩展形式,通过在三元组(头实体、关系、尾实体)基础上引入时间维度,形成四元组(头实体, 关系, 尾实体, 时间戳/时间区间),以建模实体间随时间动态变化的关系。例如“(李白, 创作, 《静夜思》, 726年)”即包含时间属性的知识表示。相比静态知识图谱,TKG能够更准确地捕捉现实世界中关系的时效性、周期性和因果性,广泛应用于事件预测、舆情分析、智能推荐等领域。

二、时序知识图谱补全任务定义

时序知识图谱补全(Temporal Knowledge Graph Completion, TKGC)旨在基于已有四元组信息,预测缺失的实体或时间信息,主要包括以下三类子任务:

· 实体预测:给定(头实体, 关系, 时间戳, ?)或(?, 关系, 尾实体, 时间戳),预测缺失的尾实体或头实体;

· 关系预测:给定(头实体, ?, 尾实体, 时间戳),预测连接实体对的关系;

· 时间预测:给定(头实体, 关系, 尾实体, ?),预测关系发生的时间戳或时间区间。

其中,时间依赖关系预测TKGC的核心挑战之一,需同时考虑实体关系的语义特征与时间动态特征,例如预测“(某公司, 收购, 某企业, ?)”中收购事件发生的具体年份。


部分文件列表

文件名 大小
基于时序知识图谱补全模型预测新的时间依赖关系研究.docx 16K

【关注B站账户领20积分】

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载