喜报 | 我所一篇论文被国际顶级会议IEEE ICDE录用

发布时间：2023年12月04日

        由我所与软件学院师生合作完成的一篇论文Local-Global History-aware Contrastive Learning for Temporal Knowledge Graph Reasoning被国际顶级会议40th IEEE International Conference on Data Engineering (ICDE 2024)录用，该论文由我所博士生陈炜、万怀宇老师、林友芳老师、赵书源硕士生、软件学院吴雨婷老师以及本科生程伽雅琪、李雨欣合作完成。

      时序知识图谱（Temporal Knowledge graphs, TKGs）外推旨在基于历史的事实来预测未来可能发生事实，对于各个领域都具有重要的实际价值。在TKG的外推研究中，大多数方法关注于对全局历史事实的重复循环模式和局部历史相邻事实的演化模式进行建模，在预测未来事实展现出较好的性能。然而，现有方法仍然面临两个主要挑战：（1）在编码局部和全局历史信息时，通常忽视与查询相关的KG快照中的历史信息的重要性；（2）它们的抗噪能力较弱，当输入受到噪声干扰时，导致模型性能急剧下降。为此，我们提出了一种面向TKG推理的局部-全局历史感知对比学习模型（LogCL）。 LogCL采用对比学习来更好地引导局部和全局历史信息的融合，并增强抵抗干扰的能力。对于第一个挑战，LogCL提出了一种适用于局部和全局历史事实编码器的实体感知注意机制，捕捉与查询相关的关键历史信息。针对后一个问题，LogCL设计了一个局部-全局查询对比模块有效提高了模型的鲁棒性。在四个基准数据集上的实验结果表明，我们提出的方法比现有的基准模型具有更好的性能和更强的鲁棒性。