基于上下文时序关联的时序知识图谱嵌入方法

摘要：

时序知识图谱的嵌入表示是知识工程领域的研究热点之一,现有的时序嵌入模型大多通过不同的方式将时间信息融入静态嵌入模型中,以此学习实体和关系的时间演化过程,但是难以挖掘和学习细粒度的时序关联信息.因此本文在之前研究的基础上,提出一种在复数空间下上下文时序关联的时序图谱嵌入表示模型,将细粒度时序信息细分为知识开始时间的相关性和知识时间间隔的一致性.设计了一种上下文感知时序关联信息挖掘方法,筛选语义相似的上下文四元组,挖掘训练四元组中包含的时间信息与上下文四元组时序关联信息,增强嵌入模型对于细粒度时序信息的学习.将本文方法与已有的方法在两个公开的时序知识图谱数据集YAGO11k和Wikidata12k上进行了实验.实验结果表明,对于MRR(mean reciprocal rank)和Hits@k(k=1,3,10)指标,本文方法与已有方法相比都有一定的提升.

关键词：时序知识图谱、时序关联、上下文感知、知识表示学习、链接预测

所属期刊栏目：69

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金62176194

在线出版日期：2023-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：249-257