超越快照：通过实体状态调优实现时序知识图谱预测中结构与序列的协调

时序知识图谱（TKG）预测需要同时建模每个快照中的结构依赖关系以及快照间的时序演变。然而，现有方法大多无状态，导致长期依赖快速衰减和情节遗忘。为此，本文提出实体状态调优（EST），一种与编码器无关的框架，赋予TKG预测模型持久且持续演化的实体状态。EST通过全局状态缓冲区和闭环设计逐步对齐结构证据与序列信号。实验表明，EST显著提升了多种基础模型的性能，并在多个基准测试中达到最先进水平，突显了状态持久性对长周期TKG预测的重要性。