数据库与信息系统研究室

近日，中国计算机学会（CCF）推荐的B类会议ISWC 2022接收结果公布，数据库与信息系统研究室的1篇论文被接收。会议ISWC（International Semantic Web Conference）致力于有关语义、数据和网络的基础研究、创新技术和应用，是关于语义网和知识图谱领域的国际学术会议。该会议将于2022年10月23-27日通过线上方式举办。数据库与信息系统研究室2篇论文被接收。以下为论文介绍：

1.论文题目：H2TNE: Temporal Heterogeneous Information Network Embedding in Hyperbolic Spaces

作者：白淇介，郭佳雯，张海威，聂昌李，张琳，袁晓洁

通讯作者：张海威

论文概述：

动态异质信息网络嵌入旨在将具有不同时间戳的各类型节点表示到低维向量空间，同时保留结构和语义信息，这一任务在现实世界中有着至关重要的应用。对于这一任务，现有研究已经在欧几里得空间方法上取得了很好的成果。然而，许多现实世界中存在的网络在拓扑上表现出了隐式的分层结构，度分布呈现出明显的幂率特性，这与欧式空间的分布存在着根本的冲突。近年来，双曲空间中的表示学习已经被证明对具有幂率分布的数据有非常好的效果。受此启发，我们提出了一种双曲空间的异质信息网络嵌入模型H²TNE，利用时间信息和异质信息双约束的随机游走策略捕获结构和语义特性，随后在双曲空间中利用最邻近优化学习节点的嵌入表示。实验结果表明，与SOTA模型相比，H²TNE在时序链路预测和节点分类任务上都具有最领先的性能。

2.论文题目：CRNet: Modeling Concurrent Events over Temporal Knowledge Graph

作者：王施超，蔡祥睿，张莹，袁晓洁

 通讯作者：蔡祥睿

论文概述：推断时序知识图谱（TKG）中缺失事实对于许多重要的应用（例如事件预测）至关重要。之前的研究通过将时间信息融入实体与关系中来对不同时刻同一实体进行表示，并取得了可喜的表现。但在预测阶段，他们互相独立独立地预测了未来时刻的事件，而忽略未来发生在同一时刻的并事件之间存在的复杂联系，这些联系可能相互关联并相互影响。因此，我们提出我们的并发推理网络 (CRNet)，它能够捕捉起未来时刻并发事件之间的关联并依此进行并发的事件预测。具体来说，我们为每个缺失事件选择前k个候选事件，并根据未来时间戳的所有的候选事件构建候选事件图。候选事件图通过相同的实体来建立起未来时刻事件之间的关联。此外，我们采用一种新颖的关系图注意力网络来建模候选事件的交互。我们在三个公开的事件时序知识图谱数据集上通过实体预测任务来评估我们的方法。实验结果表明，我们的CRNet在实体预测任务上的MRR指标相较基线方法提高了15-20%，取得了当前最佳结果。