邻域双向聚合与全局感知的TKG链接预测模型

摘要：

时序知识图谱(Temporal Knowledge Graph,TKG)在推荐系统、搜索引擎和自然语言处理等领域有着广泛的应用前景,然而其不完备性限制了它的应用,因此研究面向TKG的链接预测模型具有重要作用.针对已有的工作大多面向TKG补全,无法预测未来的事实,提出了一种邻域双向聚合与全局感知的TKG链接预测模型.一方面,分别聚合实体的主动和被动行为并通过循环神经网络建模其历时演变来捕捉实体的短期行为;另一方面,基于全局感知模块来捕捉实体的长期行为.在4个基准数据集上进行了测试,结果表明所提模型能够提升模型预测未来事实的性能.

关键词：时序知识图谱、链接预测、循环神经网络

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：177-183