面向插值与外推的统一时序知识图谱推理模型

时序知识图谱（TKG）推理存在两种设置：插值推理与外推推理。两种设置都引发了广�关注并具有重要意义。前者的方法弱化了事实序列之间的时序关联，而后者的方法则要求知识的严格时间顺序，同时忽略了过去缺失事实所提供的推理线索。这限制了时序知识图谱应用的实用性，因为几乎所有现有的时序知识图谱推理方法都是专门为解决这两种设置中的一种而设计的。为此，本文提出了一种原创的时序路径驱动推理（Temporal PAth-based Reasoning, TPAR）模型，用于同时处理插值与外推推理。TPAR采用神经驱动的符号推理方式，能够鲁棑于模糊和噪声数据，并具备良好的可解释性。综合实验表明，TPAR在链接预测任务中优于两种插值和外推设置下的SOTA方法。设计了一种新颖的实验管线，用于评估SOTA方法组合以及提出的TPAR在插值和外推推理方面的性能。还进行了更丰富的实验，以展示TPAR的鲁棒性和可解释性。