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。发表于: 。本研究针对事件预测中的时序知识图谱预测 (TKGF) 领域,解决了在测试过程中未能利用经验以及依赖单一短期历史的问题。我们提出的ONSEP框架,通过动态因果规则挖掘和双历史增强生成,显著提升了事件预测的准确性,尤其在适应动态数据环境方面展现出巨大潜力。
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。