基于时序知识图谱的事件预测

时序知识图谱（Temporal Knowledge Graph）

随着异构数据的增长，对动态演化的多关系图数据进行建模引起了人们的兴趣。大型的知识图谱常常会存储一些时序的事实，这些事实可以沿着时间轴(timeline)建模实体间的动态关系或相互作用，这就是所谓的时序知识图谱。

事件预测

你曾想到俄罗斯🇷🇺与乌克兰🇺🇦之间会发生冲突吗，基于时序知识图谱的事件预测可以帮你解答这个问题。下图给出了一个TKG在事件预测中的样例：

由于事件预测需要大量的历史信息，没关系，Integrated Crisis Early Warning System (ICEWS) Dataverse 数据集按天搜集了从1995年至今的不同国家和地区之间的事件。

你可以通过ICEWS获取这些数据。

通过建模TKG的结构和时序关系，发现不同实体间的交互关联是事件预测的关键。

参考论文

[1] Jin, Woojeong, Meng Qu, Xisen Jin, and Xiang Ren. “Recurrent Event Network: Autoregressive Structure Inferenceover Temporal Knowledge Graphs.” In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 6669–83. Online: Association for Computational Linguistics, 2020. https://doi.org/10.18653/v1/2020.emnlp-main.541.

[2] Li, Zixuan, Xiaolong Jin, Wei Li, Saiping Guan, Jiafeng Guo, Huawei Shen, Yuanzhuo Wang, and Xueqi Cheng. “Temporal Knowledge Graph Reasoning Based on Evolutional Representation Learning.” ArXiv:2104.10353 [Cs], April 21, 2021. http://arxiv.org/abs/2104.10353.