HIP 网络：用于时序知识图谱外推推理的历史信息传递网络
人工智能
2024-02-22 v1
摘要
近年来，时序知识图谱 (TKG) 推理受到了广泛关注。大多数现有方法假设训练期间所有时间戳和对应图谱均可用，这使得预测未来事件变得困难。为了解决这个问题，最近的工作学习基于历史信息推断未来事件。然而，这些方法并未全面考虑时间变化背后的潜在模式，以选择性地传递历史信息、适当地更新表示并准确预测事件。在本文中，我们提出了历史信息传递 (HIP) 网络来预测未来事件。HIP 网络从时间、结构和重复性角度传递信息，分别用于建模事件的时间演化、同一时间步事件的相互作用以及已知事件。特别是，我们的方法考虑了关系表示的更新，并采用了与上述维度相对应的三个评分函数。在五个基准数据集上的实验结果表明了 HIP 网络的优越性，Hits@1 的显著提升证明了我们方法能更准确地预测即将发生的事件。
引用
@article{arxiv.2402.12074,
title = {HIP Network: Historical Information Passing Network for Extrapolation Reasoning on Temporal Knowledge Graph},
author = {Yongquan He and Peng Zhang and Luchen Liu and Qi Liang and Wenyuan Zhang and Chuang Zhang},
journal= {arXiv preprint arXiv:2402.12074},
year = {2024}
}
备注
7 pages, 3 figures