时序关系上下文网络

挖掘时序关系依赖

通过语义和结构双重视角学习关系间时序上下文，更全面地捕获事件演化模式以提升外推预测。

Wang, Ye · Binxing, Fang · Shuxian, Huang · 陈锴 · 贾焰 · 李爱平

CAAI Transactions on Intelligence Technology 2025

技术优势

补全关系级时序依赖建模

利用关系语义与结构双上下文，学习演化模式间交互关系，而非只关注实体层面。

语义结构双通道融合

通过语义单元捕捉关系相关性，结构单元捕捉关系交互模式，全面提取历史演化信息。

直接提升外推预测能力

建模后的关系时序上下文能提取更全面历史信息，从而在预测中取得更优性能。

应用场景

• 时序知识推理：直接在时序知识图谱上预测未来事件，省去人工推理规则设计。
• 事件预测：利用关系演化模式的时序依赖，在事件序列中捕捉发生规律。
• 时序图学习：为时序图学习提供关系时序上下文的建模组件，可嵌入现有外推框架。