研究人员开发了一个名为Group Attention Neural Hawkes Process (GAttNHP)的新框架，以改进时间知识图谱（TKGs）的预测。该模型解决了编码长距离时间依赖性、建模事件链之间的相互激发以及处理重尾到达间隔时间等挑战。GAttNHP利用自注意力编码器、语义软分组模块和非交叉分位数回归头，在六个基准数据集的实体和时间预测任务上取得了更好的性能。 AI
影响 这一新模型可以提高知识图谱中时间序列数据的预测准确性，可能影响依赖于预测未来事件的领域。
排序理由 该集群包含一篇在arXiv上发表的关于新模型的论文。
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- GAttNHP
- Gotit.pub
- Group Attention Neural Hawkes Process
- Hawkes process
- Hugging Face
- Non-Crossing Quantile Regression for Distributional Reinforcement Learning
- ScienceCast
- temporal knowledge graph
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
