计算机工程与应用

作者：赵红燕, 王日云, 谢斌红, 郭力华

单位：太原科技大学 计算机科学与技术学院，太原 030024；

关键词：时序知识图谱推理,对比学习,特征蒸馏器

基金：山西省自然科学面上基金项目（202203021211199）；山西省重点实验室开放基金项目（CICIP2022004）；太原科技大学博士科研启动基金项目（20212075）。

时序知识图谱推理具有重要的应用价值。然而，现有的推理模型在建模历史特征时面临着两大挑战：（1）未对关系结构特征建模，导致模型无法很好地理解事实间的潜在语义关系及演化模式；（2）忽视了全局范围内事实间的潜在依赖关系，造成不同时间戳实体间的依赖信息丢失。为此，提出了一种新的TKG推理模型——对偶图群蒸馏对比网络（DGCN）。该网络通过局部对偶演化蒸馏器（LDED），有效提取实体图和关系线图的结构与时序特征，深入挖掘事实间的潜在语义关系，更好地理解事实的发展趋势；此外，DGCN通过全局对偶重复蒸馏器（GDRD）建模全局查询子图和实体频率特征，全面捕获历史依赖信息，提升模型的预测性能。在ICEWS14、ICEWS18和ICEWS05-15数据集上进行了充分的实验，DGCN比最优基线模型的MRR值分别提高了3.56%、2.83%和1.23%。

来源：2026年第6期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第6期