声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：37-1378/N
国际刊号：1671-3559
发布日期:
作者：张宇姣,徐健,吴迪
基金：国家自然科学基金项目(32060157)
针对传统知识图谱推理模型在时间关联推理方面的局限性，以及现有模型仅通过在静态知识图谱中加入时间戳组合，而未充分考虑时间序列依赖关系的问题，提出基于图表示学习的知识图谱时序推理(KGTR＿GRL)模型；针对图表示学习中的邻居结构信息，设计多关系图结构编码器，以解决当前大部分研究忽略的节点重要性问题；为了更深入地捕获时间信息，将注意力机制引入到时序编码器中，设计模型时序推理算法，通过解码器计算评分并转换为候选实体的概率；采用2个公开数据集测试模型的性能，并与多个现有模型的性能进行比较。结果表明，KGTR＿GRL模型表现出更好的性能，实验中平均倒数排名，预测排名小于或等于1、 10的三元组的平均占比指标均优于其他现有模型，证明了考虑多阶邻居特征信息的多关系编码器性能的优越性。
来源：2025年第02期
《济南大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。