基于实体多元编码的时序知识图谱推理

【目的】解决时序知识图谱推理方法存在的实体信息获取片面和缺乏不同时间戳对于待推理事件重要性度量的问题。【方法】提出一种基于实体多元编码的时序知识图谱推理模型。实体多元编码旨在引入三种实体特征编码,包括当前时间戳的实体切片特征编码、融合时间戳嵌入和实体静态特征的实体动态特征编码以及历史时间步上相对稳定的实体片段特征编码。同时,设计时序注意力机制来学习不同时间戳内的局部结构信息对推理目标的重要性权重。【结果】该时序知识图推理模型在数据集ICEWS14上的实验结果为MRR:0.4704,Hits@1:40.31%,Hits@3:50.02%,Hits@10:59.98%;在ICEWS18上的实验结果为MRR:0.4385,Hits@1:37.55%,Hits@3:46.92%,Hits@10:56.85%;在YAGO上的实验结果为MRR:0.6564,Hits@1:63.07%,Hits@3:65.87%,Hits@10:68.37%,评估指标优于基线方法。【局限】在大规模数据集上运行速度较慢。【结论】本文方法捕获了时序知识图谱中包括实体切片特征、动态特征和片段特征的实体多元特征,所设计的时序注意力机制能够度量历史局部结构信息对推理的重要性,有效提升了时序知识图谱推理的性能。