国内刊号:11-2560/TP
国际刊号:1000-9825
发布日期:
作者:王俞涵,陈子阳,赵翔,谭真,肖卫东,程学旗
单位:王俞涵,国防科技大学 信息系统工程重点实验室, 湖南 长沙 41007311,陈子阳,国防科技大学 系统工程学院, 湖南 长沙 41007302,赵翔,国防科技大学 系统工程学院, 湖南 长沙 41007303,谭真,国防科技大学 信息系统工程重点实验室, 湖南 长沙 41007304,肖卫东,国防科技大学 信息系统工程重点实验室, 湖南 长沙 41007305,程学旗,中国科学院 计算技术研究所, 北京 10019006
关键词:知识图谱;时序知识图谱;表示学习;知识推理;R-GCN
基金:国家重点研发计划(2022YFB3103600); 国家自然科学基金(62272469); 长江学者奖励计划(Q2020245)陈子阳与王俞涵有同等贡献.
知识图谱作为近年来人工智能领域的一大热点研究方向, 已应用于现实中多个领域. 但是随着知识图谱应用场景日益多样化, 人们逐渐发现不随着时间改变而更新的静态知识图谱不能完全适应知识高频更新的场景. 为此, 研究者们提出时序知识图谱的概念, 一种包含时间信息的知识图谱. 对现有所有时序知识图谱表示与推理模型进行整理, 并归纳和建立一个表示与推理模型理论框架. 然后基于此对当前时序表示推理研究进展进行简要介绍分析和未来趋势预测, 以期望帮助研究者开发设计出更为优异的模型.
来源:2024年第8期
《软件学报》期刊编辑部