BriefGPT - AI 论文速递
·
本地 - 全局、历史感知的对比学习用于时间知识图推理
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于本地与全局历史信息的对比学习模型(LogCL)，用于时态知识图推理。该模型通过实体感知注意机制捕捉与查询相关的关键历史信息，并设计了四种历史查询对比模式，提高了模型的鲁棒性和预测性能。实验结果表明，LogCL相较于现有基准模型取得了更好且更鲁棒的性能。
🎯
关键要点
- 提出了一种基于本地与全局历史信息的对比学习模型(LogCL)。
- 该模型用于时态知识图推理。
- 通过实体感知注意机制捕捉与查询相关的关键历史信息。
- 设计了四种历史查询对比模式以提高模型的鲁棒性和预测性能。
- 实验结果表明LogCL相较于现有基准模型取得了更好且更鲁棒的性能。
➡️
