面向时间知识图谱更好演化建模的研究

时间知识图谱（TKGs）结构化地保存了人类知识的演变过程。近期研究致力于设计模型以学习TKGs的演化特性，从而预测未来事实，并取得了显著成果。然而，我们发现现有基准测试无意中引入了一种捷径：通过统计共现即可获得接近最先进的性能，而无需使用任何时间信息。本文分析了这一问题的根本原因，识别出现有数据集中的固有偏差以及过于简化的评估任务形式，这些偏差可被利用。进一步揭示了现有基准的其他局限性，包括时间区间知识的不合理格式、对知识过时学习的忽视以及精确演化理解所需信息的不足，所有这些问题都会放大捷径并阻碍公平评估。因此，我们引入了TKG演化基准，包含四个偏差修正的数据集和两个与演化过程紧密相关的新型任务，推动对TKG演化建模挑战的更准确理解。