CognTKE：一种认知时序知识外推框架

在时序知识图谱（TKG）上推理未知的未来事实是一项具有重要学术和实际价值的挑战。现有研究聚焦于建模与查询相关的可解释时序路径，但这些基于路径的方法主要关注最近时间出现的局部时序路径，无法捕捉TKG中复杂的时序路径，导致丢失与查询相关的更长历史关系。受认知科学中的双过程理论启发，我们提出了CognTKE——一种认知时序知识外推框架，引入 novel 时序认知关系有向图（TCR-Digraph），并对TCR-Digraph进行可解释的全局浅层推理和局部深层推理。具体而言，本文提出的TCR-Digraph由检索与查询相关的显著局部和全局历史时序关系路径构成。此外，CognTKE提出了全局浅层 reasoner 和局部深层 reasoner，分别在TCR-Digraph上执行全局单跳时序关系推理（System 1）和局部复杂多跳路径推理（System 2）。在四个基准数据集上的实验结果表明，CognTKE在准确率上显著优于最先进的基线方法，并展现出卓越的零样本推理能力。\textit{代码地址为https://github.com/WeiChen3690/CognTKE}。