.png){kind=icon}
返回
Spatial context-enhanced temporal knowledge graph reasoning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ipm.2025.104456.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
时序知识图谱（TKGs）组织带时间戳的事实。现有的时序知识图谱推理（TKGR）模型主要关注时序动态，往往忽视了稀疏的空间上下文。为解决此局限性，我们提出了SET-KGR，一种新型TKGR框架，该框架整合了地理知识扩展模块以补充缺失的空间信息，以及空间编码与优化模块，通过距离衰减约束捕捉局部和全局空间依赖。具体而言，本研究聚焦于特定地理区域内的空间感知时序知识图谱实体预测，基于给定的历史事实及相关地理背景知识。为进行实证评估，我们构建了名为HGeoKG-DC-100K的华盛顿地区地理知识图谱，并基于ICEWS和GDELT构建了四个空间对齐的TKG数据集。实验评估表明，SET-KGR始终优于或与最新基线模型保持竞争力，强调了空间上下文在推进TKGR中的关键作用。
期刊
I
IF:
6.9
论文数:
5.2K
被引数:
1.4W
机构
引用论文
暂无论文信息