摘要
近年来，知识图谱嵌入（Knowledge Graph Embedding, KGE）方法在静态知识图谱（Static Knowledge Graphs, SKGs）中学习实体与关系表示方面取得了显著进展。然而，知识具有时序动态性。为了刻画特定时间点发生的事实，时间知识图谱（Temporal Knowledge Graph, TKG）嵌入方法应运而生。然而，现有大多数模型忽略了语义信息与时间信息之间的独立性。我们通过实验发现，当前模型在区分同一实体或关系在不同时间戳下的表示方面存在显著困难。针对这一问题，本文提出一种基于时间线追踪的时间知识图谱嵌入方法（TimeLine-Traced Knowledge Graph Embedding, TLT-KGE），用于时间知识图谱补全任务。TLT-KGE旨在将实体与关系及其对应的时间戳嵌入为复数向量或四元数向量。具体而言，该方法将语义信息与时间信息分别建模为复数空间或四元数空间中的不同维度。同时，设计了两个专门组件，用于刻画语义信息与时间信息之间的关联关系，以增强建模能力。由此，所提出的方法不仅能够有效分离语义与时间信息的独立性，还能在二者之间建立有意义的联系。在链接预测任务上的实验结果表明，TLT-KGE在性能上显著优于现有最先进方法。相关源代码已发布于：https://github.com/zhangfw123/TLT-KGE。