【AAAI2022】TLogic:时序知识图谱上可解释链接预测的时间逻辑规则

清华大数据软件团队官方微信公众号来源：专知
本文附论文，建议阅读5分钟我们解决了时序知识图谱上的链接预测任务。

传统的静态知识图谱将关系数据中的实体作为节点，由特定关系类型的边连接。然而，信息和知识不断演变，时间动态的出现，预计这将影响未来的情况。在时序知识图谱中，通过在每条边上设置时间戳或时间范围，将时间信息集成到图中。基于嵌入的方法已经被引入到时间知识图的链接预测中，但它们大多缺乏可解释的和可理解的推理链。特别是，它们通常不是设计来处理链接预测——涉及未来时间戳的事件预测。我们解决了时序知识图谱上的链接预测任务，并引入了TLogic，一个基于时间随机漫步提取的时间逻辑规则的可解释框架。我们在三个基准数据集上将TLogic与最先进的基线进行了比较，显示了更好的总体性能，同时我们的方法还提供了保持时间一致性的解释。此外，与大多数最先进的基于嵌入的方法相比，TLogic在归纳设置中工作得很好，在归纳设置中，已经学习的规则被转移到具有公共词汇表的相关数据集。

https://arxiv.org/abs/2112.08025