我所一篇关于时序知识图谱推理的工作被知识工程领域顶级期刊KBS录用

发布时间：2025年09月08日

       我所的一篇论文Dual-view Temporal Knowledge Graph Reasoning被知识工程领域Top期刊Knowledge-Based Systems录用，该论文由我所已毕业博士陈炜、万怀宇老师、林友芳老师、郭晟楠老师、软件学院吴雨婷老师和已毕业硕士吴书函、蒋致书共同完成。

      时序知识图谱（Temporal Knowledge Graphs, TKGs）推理旨在基于历史信息来推断出缺失的事实，对于各个领域都具有重要的实际价值。最近基于图神经网络（Graph Neural Network, GNN）的方法从连续时间或离散时间探索图拓扑结构的时间演化，为建模TKG中的事件关联提供了不同的视图。这两种不同的视图在建模TKG中事件时序关联性是互补的，但现有研究尚未深入探索有效的融合。本文提出了一种双视图时序知识图谱推理网络DV-TKR，从离散时间和连续时间两个视图来建模时序知识图谱的图结构信息，通过整合两种结构编码的优势来提高推理的准确性。在连续时间视图下，将TKG中每个实体的邻居信息分解为连续时间TKG下的三元组和时间，提出一种在连续时间视角下融合多种注意力机制的时间感知事件重现建模（TERM）模块，有效区分同一三元组在不同时刻的重要性。对于离散时间视图，本文提出了一个关系感知的图演化建模（RGEM）模块，学习整体图谱快照中共现事件之间的语义关联和连续KG快照之间的时间演化。在三个公开数据集上的实验表明，DV-TKR模型比现有的基准模型具有更好的性能。