融合局部-全局历史模式与历史知识频率的时序知识图谱补全方法
Time-series knowledge graph completion method combining local-global historical pattern and historical knowledge frequency
1. 兰州交通大学 电子与信息工程学院, 甘肃省 兰州市 730070
2. 轨道交通信息与控制国家级虚拟仿真实验教学中心, 兰州 730070
摘要
时序知识图谱(Temporal knowledge graphs，TKGs)是动态描述事实演变的图谱，其补全任务是根据历史预测未来未知的事实，关键在于洞察历史数据。然而，现有的模型在捕捉历史事件的特征方面存在局限，不能准确地从时间戳中提取有用信息。从历史演进的视角出发，综合考虑历史事实的顺序、频率和周期性模式有利于预测未来事实。为此，论文提出了融合局部-全局历史模式与历史知识频率的时序知识图谱补全算法(LGH-HKF)。具体来说，首先使用一个局部循环图编码器网络来建模相邻时间戳上事件的内在关联与动态演变；其次使用全局历史编码器网络考虑所有以前时间戳上的相关事实，以避免丢失在相邻时间戳上没有出现的实体或关系；然后通过历史知识频率学习模块学习这些事实的频率分数来丰富模型的预测依据；最后在两个编码器之间进行权衡后，由一个具有周期性的解码器进行推理补全。论文使用了四个基准数据集来评估所提出的方法，实验结果证明LGH-HKF在大多数情况下相比于目前其他模型有很强的竞争力。
基金项目
国家自然科学基金项目(62067006,62367005)
甘肃省知识产权计划项目(21ZSCQ013)
2024中央引导地方科技发展资金项目(332140068864)
甘肃省高校科研创新平台重大培育项目(2024CXPT-17)
甘肃省教育科技创新项目(2021jyjbgs-05)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.10.0463
出版期卷: 《计算机应用研究》 优先出版, 2025年第42卷 第6期
发布历史
[2025-03-10] 优先出版
引用本文
贾凯, 王阳萍, 杨景玉, 等. 融合局部-全局历史模式与历史知识频率的时序知识图谱补全方法 [J]. 计算机应用研究, 2025, 42 (6). (2025-03-10). https://doi.org/10.19734/j.issn.1001-3695.2024.10.0463. (Jia Kai, Wang Yangping, Yang Jingyu, et al. Time-series knowledge graph completion method combining local-global historical pattern and historical knowledge frequency [J]. Application Research of Computers, 2025, 42 (6). (2025-03-10). https://doi.org/10.19734/j.issn.1001-3695.2024.10.0463. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
