CountTRuCoLa：基于规则置信度的时间知识图谱预测
机器学习
2025-09-12 v1
摘要
我们解决了时间知识图谱（TKG）预测任务，提出一种基于时间规则的完全可解释方法。受近期提出的使用循环事实作为强基准的工作启发，我们的方法学习四种简单类型的规则，其置信度函数考虑到时间的新鲜度和频率。该方法在九个数据集上进行评估，性能匹配或超越八个最先进模型和两个基准模型，同时提供完全可解释的预测。
引用
@article{arxiv.2509.09474,
title = {CountTRuCoLa: Rule Confidence Learning for Temporal Knowledge Graph Forecasting},
author = {Julia Gastinger and Christian Meilicke and Heiner Stuckenschmidt},
journal= {arXiv preprint arXiv:2509.09474},
year = {2025}
}