小样本关系下的时序知识图谱推理

在各大知识推理应用场景下，知识图谱中时序的缺失、知识图谱构建时实体关系的不完善，已然成为研究者们亟需解决的问题。为此，构造了一种融合时序信息与小样本关系的知识图谱推理模型，该模型将知识图谱的三元组表示扩展到含有时序信息的四元组表示，并通过时序信息来提高推理路径的准确性。此外，通过元学习从高频关系中学习元参数，并使用元参数适配小样本关系任务，提高模型在小样本关系中的泛化能力。实验表明，所提出的方法在Hits@1、Hits@3、Hits@10和MRR上均高于对比方法，并且均提高5%以上，表明所提出的方法可以完成知识图谱的推理，并且在小样本关系下具有较好的效果。