从时间序列数据和知识图谱中学习语义关联规则
本文讨论了在不同的实际应用中将语义图应用于自动化数字孪生所需的独特要求，并介绍了反映这些特征的基准数据集 DTBM，并探讨了不同知识图技术的规模化挑战。基于这些见解，我们将提出在 IBM 中多个产品中使用的参考架构，并推导出用于配置数字孪生的 AI 模型的规模化知识图的教训。
Oct, 2022
国内外最新研究表明，数字孪生是一种在物理系统中利用语义网络技术进行监测和推理过程的新概念。本研究通过对 82 篇研究文章进行系统的文献综述，分析了数字孪生中语义技术、本体论和知识图谱的应用情况，并针对制造业和基础设施等不同领域提出了可能的研究方向和尚待解决的问题。
Aug, 2023
本文提出了一种基于因果语义通信的数字孪生系统 (DT) 框架，通过利用人工智能等技术来实现连接智能服务，从而处理基于 DT 的大量网络数据，实现网络决策并较好地实现语义可靠性。
Apr, 2023
本文提出了数字孪生图（DTG）的概念，是一种自动化的、不依赖领域专家的数字孪生构建方法，采用数据驱动和图学习方法应对数字孪生的挑战。
Apr, 2023
使用大型语言模型构建知识链接图，并通过图对齐模块将知识链接图的语义知识转化为基于多元时间序列数据构建的图，以提高图质量，并确保图神经网络在多元时间序列数据的表示学习中具备有效性，并通过大量实验证明了该方法在多元时间序列相关任务中的卓越性能。
Mar, 2024
提出了一种名为 KDDT 的新方法用于列车控制和管理系统 (TCMS) 的异常检测，该方法利用语言模型 (LM) 和长短期记忆 (LSTM) 网络来提取背景和时间特征，在实证研究中，KDDT 表现出了卓越的性能。
Sep, 2023
本文介绍了一种新的框架：Simple Spatio-Temporal Knowledge Graph (SSTKG)，用于构建和探索时空知识图谱。通过新的三步嵌入方法，将时空数据整合到知识图谱中，输出嵌入可用于未来时间序列预测和空间信息推荐，提供了对零售销售预测、交通量预测等多种应用的有价值的洞察。该框架简单而全面，能够增强预测的准确性和推荐的相关性，为知识图谱中时空数据的更有效利用铺平了道路，对多个领域具有潜在的影响。
Feb, 2024
TiPNN 模型以历史时间图为基础，采用统一的图结构来全面捕捉和封装历史信息，并利用查询感知的时间路径模拟与查询相关的历史路径信息，从而实现对时间知识图的推理，并在归纳设置下取得显著性能提升。
Sep, 2023