Resumen: los gráficos de conocimiento temporal (TKG) almacenan hechos temporales con formatos cuádruple (S, P, O, T). Los modelos de incrustación del gráfico de conocimiento temporal existente (TKGE) realizan tareas de predicción de enlaces en entornos transductivos o semi-inductivos, lo que significa que las entidades, las relaciones y la información temporal en el gráfico de prueba se observan plena o parcialmente durante el entrenamiento. Tal dependencia de elementos vistos durante la inferencia limita la capacidad de los modelos para transferir a nuevos dominios y generalizar a escenarios del mundo real. Una limitación central es la dificultad para aprender representaciones para entidades, relaciones y marcas de tiempo que son transferibles y no vinculadas a vocabularios específicos del conjunto de datos. Para superar estas limitaciones, presentamos el primer enfoque totalmente inductivo para la predicción del enlace del gráfico de conocimiento temporal. Nuestro modelo emplea codificaciones posicionales sinusoidales para capturar patrones temporales de grano fino y genera representaciones adaptativas de entidad y relación utilizando mensajes que pasan condicionados en contextos temporales locales y globales. El diseño de nuestro modelo es agnóstico a la granularidad temporal y el tramo de tiempo, abordando efectivamente las discrepancias temporales en TKG y facilitando la transferencia de información estructural consciente del tiempo. Como modelo previamente previo, escalable y transferible, POSTRA demuestra un fuerte rendimiento de disparo cero en gráficos de conocimiento temporal invisibles, generalizando efectivamente a nuevas entidades, relaciones y marcas de tiempo. El análisis teórico extenso y los resultados empíricos muestran que un solo modelo previo al estado previo puede mejorar el rendimiento de disparo cero en varios escenarios de razonamiento temporal inductivo, marcando un paso significativo hacia un modelo de base para KG temporales.
Publicado Originalme en rss.arxiv.org El 9 de junio de 2025.
Ver Fuente Original
