标签
SABET-QA 提出了一个用于时序知识图谱问答的迭代框架，通过双向实体-时序评分和上下文化增强了多跳推理，并在 CronQuestions 和 TimeQuestions 等基准测试中显示出相对于基线的一致改进。
本文介绍了THBKG，一个时间异构生物医学知识图谱，涵盖11万实体和1110万条边，带有逐年证据时间戳，旨在仅使用决策时可用的证据来预测进入II期试验的靶点-疾病对是否会推进到III期。基于图谱的方法优于直接证据基线，尤其是在缺乏直接证据的配对中，作者将其作为持续更新的资源发布。
TeRoR提出了一种新颖的时序知识图谱嵌入方法，该方法通过独立的旋转变换解耦实体时序演化，并利用关系圆形区域建模多种关系映射属性，在四个数据集上取得了具有竞争力的性能。
Synapse是一个开源、自托管的合成海马体，专为AI agent设计，使用时间知识图谱（Graphiti + FalkorDB），结合显著性评分和艾宾浩斯遗忘曲线来管理记忆衰减与巩固，并作为Hermes agent的内存提供者集成。
本文提出了一种面向时序知识图谱推理（TKGR）的显著性感知评估框架，该框架根据事件的稀有性对其加权，以更好地评估模型推理能力，解决了由琐碎重复事件导致的过高估计问题。
MemoryOS 是一款开源、可自托管的 AI Agent 记忆工具，它利用时序知识图谱技术，在 LongMemEval-s 基准测试中实现了 86.2% 的准确率，并以 78 毫秒的快速检索速度著称。