.png){kind=icon}
返回
Bridging graph structure and knowledge-guided editing for interpretable temporal knowledge graph reasoning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2026.108811.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出IGETR，首个将时序图神经网络与知识增强LLMs集成的路径精炼推理框架，有效结合结构推理与语义精炼，以提高逻辑一致性和可解释性。
• 我们设计了一个三阶段流水线，将推理锚定于图结构，通过LLM编辑精炼路径，并使用图Transformer聚合多跳证据，在确保数据驱动可靠性的同时实现知识引导的可控推理。
• 我们通过在三个TKG数据集上的实验验证了IGETR的优越性，展示了其在解决TKGR关键挑战中的有效性，并通过消融研究验证了框架中关键组件的有效性。
Keyword:
IGETR
temporal knowledge graph reasoning
graph neural networks
knowledge-augmented LLMs
interpretable reasoning
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
查看更多机构
引用论文
暂无论文信息