60 / 2025-05-28 14:03:18

基于多曲率空间时态知识图谱的国际政治关系预测模型研究

时态知识图谱,图表征学习,图神经网络,国际政治关系

二、复杂系统与智能管理 > 2.复杂系统与高阶网络

时态知识图谱将时间信息作为新的维度融入知识图谱中，是刻画动态世界的重要表示形式。相较于传统知识图谱表示学习，时态知识图谱表示学习是一个更为复杂的任务，其需要同时对结构信息和时间信息进行挖掘。目前，主流研究工作通常将实体嵌入至欧氏空间进行建模，默认实体间的结构关系适合在欧式几何空间下表达，这在处理具备复杂几何结构（如层级结构或环形结构）的实体时存在明显局限。因此，本研究旨在突破欧氏空间嵌入的表达能力限制，探索如何在多曲率空间中更准确地表示时态知识图谱中的实体与关系的空间结构，从而提升实体与关系嵌入的表达能力与泛化能力。具体而言，通过空间嵌入模块将实体和关系嵌入转换到超球空间、双曲空间与欧式空间，并引入跨空间信息传递与更新模块，增强了模型对层级结构和环状结构的表达能力和一致性。同时，引入基于受控微分方程的时序建模模块，有效提升了模型对实体和关系连续演化过程的建模能力。实验结果表明，所提出方法在三个时态知识图谱数据集上相较于七个基线模型均取得了优异的性能，在结构适应性和时间泛化性方面具有明显优势，验证了模型在多样结构空间和连续时间维度上的建模潜力。