时序知识图谱作为知识图谱的一个分支，用于刻画具有时间戳特征的事实，弥补传统静态知识图谱无法描述真实世界中的实体和关系动态性的不足。近日，我中心大数据部提出了一种基于时序历史子图的时序知识图谱推理方法，通过将时间信息融入构建的统一图中，对历史的时序子图序列进行相对时间特征的整体建模，以对未来时刻的事实进行表征预测。实验结果表明该模型在直推设置性能上取得优异的性能，同时支持归纳式推理，并能为推理提供进一步可解释性推理依据。

该研究成果已被人工智能领域的期刊Artificial Intelligence（AIJ，CCF A类）接受。论文第一作者为大数据部博士研究生董昊，导师为周园春研究员。

该研究工作得到国家自然科学基金重点项目等支持。

相关成果：

Hao Dong, Pengyang Wang, Meng Xiao, Zhiyuan Ning, Pengfei Wang, Yuanchun Zhou. "Temporal Inductive Path Neural Network for Temporal Knowledge Graph Reasoning." Artificial Intelligence. 2024.

论文链接：https://doi.org/10.1016/j.artint.2024.104085

责任编辑：郎杨琴