本文探讨了基于循环事件网络和大型语言模型的时间知识图谱（TKG）预测方法，提出了Graph Hawkes神经网络和对比事件网络等模型，以提高事件预测的准确性和效率。研究表明，结合历史对比学习和条件概率密度函数能显著改善预测性能，尤其在样本有限和事件类型不平衡的情况下。