Dec, 2023

时间知识图谱的冲突检测：一种快速约束挖掘算法和新的基准测试

PDF
TL;DR通过基于模式的时间约束挖掘方法，本研究在知识图谱研究领域开发了一种自动生成有关时间的约束规则的方法，用于解决时间约束对知识图谱一致性的影响，并通过构建两个新的冲突检测基准数据集，证明了该方法在生成有用的时间约束方面的高效性。
temporal factsknowledge graph researchtemporal consistencytemporal constraint miningconflict detection
发现论文，激发创造
  • PaTeCon: 基于模式的知识图谱冲突检测的时间约束挖掘方法

    该研究提出了一种基于模式的时间约束挖掘方法（PaTeCon），通过使用图模式和相关的统计信息来生成自动约束，从而解决知识图谱中保持时间一致性和检测潜在时间冲突的挑战。实验结果表明，基于模式的自动约束挖掘方法非常有效。

    Apr, 2023

  • 基于语义框架的知识图谱时态问答查询生成

    给出了用于回答知识图谱上有关时间性问题的 Semantic Framework of Temporal Constraints 框架与基于实体的查询生成方法 SF-TQA，并针对不同知识库进行了评估实验。

    Oct, 2022

  • 逻辑与常识引导的时间知识图谱补全

    本文基于一种时间知识图谱，提出了一种同时兼顾事件因果关系和时序性的逻辑和常识指导嵌入模型（LCGE），可充分考虑事件间的同时性和时序性，并且在常识知识的基础上，通过规则引导建立谓词嵌入标准化策略，从而提高了事件预测的准确率，并且具有可解释性。

    Nov, 2022

  • 时间知识图谱补全：综述

    本研究首次总结了时间知识图补全方法的研究进展，包括背景、基准数据集、评估指标以及现有方法，旨在解决静态知识图补全方法的不准确问题。未来的研究方向也在文章中提出。

    Jan, 2022

  • 基于限制条件的决策图顺序模式挖掘

    提出了基于多值决策图表示法的约束序列模式挖掘技术，可以适应多个项目属性和各种约束类型，包括一些非单调约束。通过开发一个基于 MDD 的前缀投影算法，可以将其应用性进行评估，并与典型的生成检查变体以及最先进的基于约束的序列模式挖掘算法进行性能比较，结果表明我们的方法在可伸缩性和效率方面与其他方法相当或优于其他方法。

    Nov, 2018

  • 在蕴涵图挖掘中引入时间信息

    本文提出了一种新颖的方法，通过将时间性注入蕴涵图来解决假的蕴涵问题。我们专注于体育领域，通过不同的结果，多次运用同一对团队的情景，构建了一个无监督模型，旨在学习像胜利 / 失败导致比赛一样的蕴涵关系，同时避免学习类似获胜不蕴含失败的非蕴涵关系。本文通过手工构建的数据集对模型进行了评估，显示出采用时间间隔并在其周围施加时间窗口的有效策略。

    Sep, 2021

  • 时间知识库补全：新算法和评估协议

    本文介绍了 TIMEPLEX（一种新颖的基于时间感知的知识库补全方法），用于联合实体、关系、时间的预测任务中，以及改进的 TKBC 评估协议。实验证明，TIMEPLEX 在预测任务中表现出色，并且既考虑了某些关系的可重复性，又考虑了关系对之间的时间交互作用。

    May, 2020

  • 时间感知逻辑路径神经网络用于时态知识图谱推理

    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

  • TempoQR: 在知识图谱上进行时间问题推理

    本文提出了一种基于嵌入感知的方法，名为 'Temporal Question Reasoning' (TempoQR)，用于回答复杂的基于时间的知识图谱问答。实验表明，TempoQR 在复杂的时间问题上比现有的先进方法提高了 25-45 个百分点，并且更好地泛化到看不见的问题类型。

    Dec, 2021

  • 时态知识库的最佳对齐

    通过实现基于本体的情境识别技术，回答时间相关的 CQs 是一种实现本体的主要技术；本文介绍了 TKB 对准问题，计算一个变体的 TKB，该 TKB 最小程度地改变原 TKB，但能推出给定的时间 CQ，且在这个意义上是（代价）最优的；我们研究了这个问题在 ALC TKBs 和带有 LTL 运算符的连同查询上的情况，并设计了一种解决方案技术，用于计算 TKBs 的（代价最优的）对准。

    Jul, 2023