工作动态
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。我中心大数据部提出了一种基于路径信息缓存机制的时序知识图谱推理方法，利用时序缓存策略，对“子图拓扑信息汇聚单元”捕捉的时序子图结构特征建模实体对表示的演化过程，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多项指标上均取得显著提高。
该研究成果已被人工智能领域的国际顶级会议The 32nd International Joint Conference on Artificial Intelligence（IJCAI 2023，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。
该研究成果已被人工智能领域的国际顶级会议The 32nd International Joint Conference on Artificial Intelligence（IJCAI 2023，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, Zhiyuan Ning, Pengyang Wang, Ziyue Qiao, Pengfei Wang, Yuanchun Zhou and Yanjie Fu. "Adaptive Path-Memory Network for Temporal Knowledge Graph Reasoning." The 32nd International Joint Conference on Artificial Intelligence. 2023. (accepted)
责任编辑：郎杨琴
附件下载