来源：期刊VIP网 时间：
作者：高秀东;陈阳;张静;
单位：四川航天职业技术学院计算机学院;四川大学网络空间安全学院;
摘要：对预测未来事实的时域知识图谱(Temporal Knowledge Graph, TKG)进行推理备受关注。大多数研究尝试利用知识图谱和图卷积网络(Graph Convolutional Network, GCN)对时域动态进行建模。现有方法没有考虑TKG中对象之间的高阶交互，这是预测未来事实的一个重要因素。为了解决上述问题，提出基于动态超图嵌入的TKG推理模型。通过在不同时间戳下基于TKG构建超图来获取高阶交互。将时域带来的差异融入到超图表示中，以便更好地适配TKG。采用动态元嵌入进行时域超图表示，使模型能够为下游推理选择合适的高阶交互。在公开的TKG数据集上进行实验，结果表明所提模型优于其他基准模型。分析证明了所提方法为预测结果带来了良好的可解释性。
关键词：时域知识图谱;;图卷积网络;;动态超图嵌入;;动态元嵌入;;高阶交互
基金资助：四川省科技计划资助(2025YFHZ0265)~~
