基于图表示学习的知识图谱时序推理模型

作     者：张宇姣 徐健 吴迪 ZHANG Yujiao;XU Jian;WU Di

作者机构：太原师范学院计算机科学与技术学院山西晋中030619 桂林电子科技大学机电工程学院广西桂林541004 哈尔滨工程大学计算机科学与技术学院哈尔滨150001 齐齐哈尔大学计算机与控制工程学院黑龙江齐齐哈尔161006 

基　　金：国家自然科学基金项目(32060157) 

出 版 物：《济南大学学报(自然科学版)》 (Journal of University of Jinan(Science and Technology))

年 卷 期：2025年第39卷第2期

页      码：272-277页

摘      要：针对传统知识图谱推理模型在时间关联推理方面的局限性,以及现有模型仅通过在静态知识图谱中加入时间戳组合,而未充分考虑时间序列依赖关系的问题,提出基于图表示学习的知识图谱时序推理(KGTR_GRL)模型;针对图表示学习中的邻居结构信息,设计多关系图结构编码器,以解决当前大部分研究忽略的节点重要性问题;为了更深入地捕获时间信息,将注意力机制引入到时序编码器中,设计模型时序推理算法,通过解码器计算评分并转换为候选实体的概率;采用2个公开数据集测试模型的性能,并与多个现有模型的性能进行比较。结果表明,KGTR_GRL模型表现出更好的性能,实验中平均倒数排名,预测排名小于或等于1、10的三元组的平均占比指标均优于其他现有模型,证明了考虑多阶邻居特征信息的多关系编码器性能的优越性。

主 题 词：时序推理 时序知识图谱 图表示学习 图卷积神经网络 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.13349/j.cnki.jdxbn.20250212.001

馆 藏 号：203157401...