BriefGPT - AI 论文速递
·
ONSEP：一种基于大型语言模型的在线神经符号事件预测新框架
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了TEILP，一个将时间要素融入到知识图谱预测中的逻辑推理框架。通过转换时间知识图谱为时间事件知识图谱（TEKG），利用可微分随机游走方法进行时间预测。实验证明，TEILP在性能和健壮性方面优于基准模型。
🎯
关键要点
-
传统基于嵌入的模型在事件时间预测中无法有效捕捉时间顺序和距离等关键关系。
-
提出了TEILP，一个将时间要素融入知识图谱预测的逻辑推理框架。
-
将时间知识图谱转换为时间事件知识图谱（TEKG），利用可微分随机游走方法进行时间预测。
-
通过引入条件概率密度函数和逻辑规则得出时间预测结果。
-
TEILP在五个基准数据集上表现优于基准模型，提供可解释的解释并显著改进基线模型。
-
TEILP在训练样本有限、事件类型不平衡和基于过去事件预测未来事件时间的情况下表现出更好的健壮性。
🏷️
标签
➡️
