temporal-knowledge-graphs

EviGraph 是一个面向时序公共服务知识图谱的携带证据的选择性推荐系统，通过 LLM 智能体链接决策关键证据，并由确定性校验器验证推荐结果。在双语香港公共服务基准上的评估表明，区分关键证据与非关键证据能够减少不必要的弃权；而额外的验证虽能撤回已有充分支撑的推荐，却无法提升决策质量。

BridgeMem提出了一种通过建模二元转移残差进行时序知识图谱预测的新方法，并在标准基准测试上展现出显著优于基准方法的持续改进。

EdgeReMIND 是一个用于时间多关系链接预测的可扩展记忆基线，在 TGB 2.0 基准测试上取得了顶级性能，尤其是在嵌入方法因计算限制而失效的大型数据集上。

本文提出 GRATE（用于时间编码的门控旋转注意力），一种无参数的时间编码方法，通过结合相对时间差和查询条件门控来增强归纳知识图谱基础模型。同时引入了新的归纳时间知识图谱基准（GDELTIndT 和 WIKIIndT）以评估跨数据集迁移，展示了相比静态基础模型的性能提升。

本文研究了在受控分布漂移下的时序知识图谱预测，使用了一个编码重复性、同质性和周期性的合成生成器。在七种架构上的实验揭示了信号依赖的鲁棒性以及模型对结构断裂适应性方面的局限性。

本文提出了 AdaTKG，一种用于时序知识图谱推理的方法，它利用自适应记忆随着新交互的发生动态优化实体表示，从而在性能上优于静态基线。