DynaGen：统一的时序知识图谱推理方法
机器学习
2026-01-12 v2 人工智能
摘要
时序知识图谱推理（TKGR）旨在时间线上完成缺失的事实要素。根据查询的时序位置，将任务分为插值和外推。现有插值方法通常将时间信息嵌入到单个事实中以完成缺失的历史知识，而外推技术则常依赖对图快照的时间序列模型来识别未来事件预测中的重复模式。这些方法面临两个关键挑战：插值中的上下文建模有限，外推中的认知泛化偏差。为此，我们提出了一种统一的 TKGR 方法，称为 DynaGen。对于插值，DynaGen 动态构建以实体为中心的子图，并使用协同双分支图神经网络编码器来捕捉演化的结构上下文。对于外推，它应用条件扩散过程，迫使模型学习底层演化原理而不仅仅是浅层模式，从而增强其对未见未来事件的预测能力。六个基准数据集上的大量实验表明，DynaGen 实现了最先进的性能。与第二名模型相比，DynaGen 在插值上平均提高了 2.61 分的平均倒数排名（MRR），在外推上提高了 1.45 分。
引用
@article{arxiv.2512.12669,
title = {DynaGen: Unifying Temporal Knowledge Graph Reasoning with Dynamic Subgraphs and Generative Regularization},
author = {Jiawei Shen and Jia Zhu and Hanghui Guo and Weijie Shi and Guoqing Ma and Yidan Liang and Jingjiang Liu and Hao Chen and Shimin Di},
journal= {arXiv preprint arXiv:2512.12669},
year = {2026}
}