.png){kind=icon}
返回
Temporal knowledge graph diffusion model for open-world reasoning
.png){kind=icon}
PRE
AI
DOI：10.1007/s11432-024-4329-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，时序知识图谱（TKGs）已成为人工智能和知识工程领域的一个突出研究方向，为各种应用提供了显著潜力。然而，随着TKG应用范围的持续扩大，特定情境下出现了独特的挑战，尤其是在开放世界场景中。传统的表示和推理模型难以捕捉知识图谱中未见实体的关联，这使得在开放世界设置中难以准确表示这些实体并执行未见实体预测任务。为应对这些挑战，本文提出了一种新颖的推理框架——基于扩散模型的未见实体预测方法（DM-UEP）。该创新方法利用扩散模型为未见实体生成虚拟表示，并建立了一个两阶段推理框架。该框架包括图扩展和参考人类认知推理的Transformer。此外，我们利用现有公开数据集重构了三个专门针对未见实体预测的测试数据集。这些数据集展示了所提出的DM-UEP方法在开放世界场景中解决未见实体预测这一专门任务的优越性。
Keyword:
temporal knowledge graph
unseen entity prediction
open-world scenarios
diffusion model
knowledge graph reasoning
查看更多机构