新TeRoR方法增强了时间知识图谱嵌入能力

研究人员推出了一种新颖的时间知识图谱（TKG）嵌入方法TeRoR，旨在改进现有方法（如TeRo）。TeRoR解决了在建模多样化关系映射属性（例如一对多）和更有效地表达时间信息方面的局限性。该方法通过解耦实体嵌入的时间演化，并在复杂的向量空间中对头实体和尾实体应用独立的旋转变换来实现。此外，它训练一个半径来约束旋转后的头实体位于以尾实体为中心的圆形区域内，从而捕获各种关系特征。实验结果表明，TeRoR在四个TKG数据集上的表现与最先进的模型相比具有竞争力。 AI

影响 增强了时间知识图谱嵌入技术，可能改进那些依赖于理解数据中不断演变的关系的应用。

排序理由 该集群描述了一篇介绍时间知识图谱嵌入新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• Hugging Face
• temporal knowledge graph
• TeRo
• TeRoR
• TKG embedding

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →