ARLIE时序推理模型

全归纳双模式

一种基于上下文归纳表示与动作增强自适应强化学习的时序知识图谱多跳推理模型，在完全归纳与传导两种设定下均优于现有方法。

Zheng, Shangfei · 高云君 · 刘安 · 李文浩 · Chen, Tong · Yin, Hongzhi

IEEE Transactions on Knowledge and Data Engineering 2026

技术优势

新实体也能推理

利用查询相关的上下文信息为未见实体生成细粒度嵌入，摆脱了对训练实体的依赖。

稀疏连接难不住

动作增强的自适应强化学习框架引入多样化动作，即使新实体连接稀疏也能逐步推断缺失元素。

双设定通吃

在完全归纳和传导两种设定下均超越最先进方法，适用范围更广。

应用场景

• 时序知识图谱推理：补全动态事件图谱中的缺失事实，支撑时序预测与决策。
• 强化学习推理：用强化学习的决策能力逐步推理，提供可解释的路径证据。
• 归纳式推理：对训练时未见过的实体直接推理，无需重新训练全图。