时空旋转增强的复合几何运算在时序知识图谱嵌入中的建模优化

本文推荐：作者针对TCompoundE模型在时序知识图谱嵌入(TKGE)中的三大缺陷，创新性提出TTComE模型：1)引入时空旋转操作增强复杂关系建模；2)对头实体和关系分别进行时态感知增强；3)采用权重自适应翻译操作。实验表明该模型在链接预测任务中显著优于基线模型，为动态知识表征提供了新思路。

　　

亮点与结论翻译：

亮点

• 提出采用复合几何运算（含平移、旋转和缩放）的TKGE模型，在TCompoundE基础上通过旋转变换增强表征能力

• 在评分计算前对实体和关系进行时态特征融合预处理，提升模型捕捉动态变化的能力

• 引入权重自适应平移操作，使模型能动态分配头实体和关系对预测结果的贡献权重

结论与未来工作

我们基于TCompoundE提出了时态感知增强模型TTComE，不仅利用复合几何运算构建模型架构，还创新性引入三大核心操作：1）时空旋转操作（Spatiotemporal Rotation Operation）增强复杂关系建模；2）时态感知增强操作（Temporal-aware Enhancement Operation）提升动态表征能力；3）权重自适应平移操作（Weight-adaptive Translation Operation）优化特征贡献分配。通过在三个数据集上的链接预测实验和消融研究证实，该模型能有效捕捉知识图谱的时空演化规律，未来将进一步探索多模态时序知识图谱的应用场景。

（注：严格遵循三项格式要求：1.无HTML转义符；2.用^{/_{标签处理CO2等上下标；3.未使用svg标签）}}