基于全局和历史对比的时序知识图谱推理模型

来源：计算机技术与发展杂志2025年第07期北京时间：

作者：田萍芳;张冰;黄涛;齐凤亮;光晓俐;顾进广;

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 湖北智能信息处理与实时计算重点实验室,湖北 武汉 430065;3. 公安部鉴定中心,北京 100038

摘要：时序知识图谱推理旨在借助时序信息,捕捉知识图谱演化过程,并补充知识图谱中的缺失链路。 针对大多数模型缺乏对新实体的考虑或未考虑不同数据集中重复事件的比例,该文提出了一种基于全局与历史对比的时序知识图谱推理模型。 为增强对新实体的识别与适应能力,设计了全局生成编码器,高效提取全局静态实体信息,并利用多头注意力机制精确聚焦相关实体。 同时,引入历史线索编码器,从直接历史线索和关联历史线索两个维度提取历史事实。 为准确区分全局信息与历史信息的差异,模型还集成了对比学习模块,促使模型关注全局依赖信息与历史依赖信息的不同。 模型在ICEWS14、GDELT、YAGO 以及 WIKI 等多个数据集上进行了链路预测实验,结果表明模型在 MRR、Hits@ 1、Hits@ 3、Hits@ 10 等评价指标上较次优模型获得了 2 百分点至 6 百分点的提升,有效提升了时序知识图谱的推理能力。

关键词：知识图谱;知识图谱推理;注意力机制;对比学习;多层感知机