SSTKG：用于可解释且灵活动态信息嵌入的简单时空知识图谱

知识图谱 (KG) 越来越多地被用于基于真实数据集的链接预测和推荐。然而，当前大多数方法依赖静态数据，忽略了真实场景中动态性质及其隐含的时空属性。这常常导致预测和推荐效果不佳。虽然已有有效的时空推理方法，但面临数据规模大、语义理解不足等挑战，限制了其性能。为此，本文提出了一种新型框架——简单时空知识图谱 (SSTKG)，用于构建和探索时空知识图谱。通过引入新的三步嵌入方法，将空间和时间数据集成到知识图谱中。输出的嵌入可用于未来时序预测和空间信息推荐，为诸如零售销售预测和交通量预测等各种应用提供了有价值的见解。该框架以一种简单却全面的方式理解动态知识图谱中的底层模式和趋势，从而提升预测准确性和推荐相关性。这一工作为在知识图谱中更有效地利用时空数据铺平了道路，潜在影响遍及多个行业。