論文の概要: Evolving Beyond Snapshots: Harmonizing Structure and Sequence via Entity State Tuning for Temporal Knowledge Graph Forecasting

• arxiv url: http://arxiv.org/abs/2602.12389v1
• Date: Thu, 12 Feb 2026 20:33:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.741782
• Title: Evolving Beyond Snapshots: Harmonizing Structure and Sequence via Entity State Tuning for Temporal Knowledge Graph Forecasting
• Title（参考訳）: スナップショットを超えて進化する - 時間的知識グラフ予測のためのエンティティ状態チューニングによる構造とシーケンスの調和
• Authors: Siyuan Li, Yunjia Wu, Yiyong Xiao, Pingyang Huang, Peize Li, Ruitong Liu, Yan Wen, Te Sun, Fangyi Pei,
• Abstract要約: 時間的知識グラフ(TKG)予測には、スナップショット内の構造的依存関係とスナップショット間の時間的進化を共同でモデル化する必要がある。 我々は,TKG予測器に永続的かつ連続的に進化するエンティティ状態を与えるエンコーダに依存しないフレームワークであるEntity State Tuning (EST)を提案する。 ESTはグローバルな状態バッファを保持し、クローズドループ設計を通じて構造的エビデンスとシーケンシャルな信号とを段階的に整列する。
• 参考スコア（独自算出の注目度）: 7.888094875654798
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Temporal knowledge graph (TKG) forecasting requires predicting future facts by jointly modeling structural dependencies within each snapshot and temporal evolution across snapshots. However, most existing methods are stateless: they recompute entity representations at each timestamp from a limited query window, leading to episodic amnesia and rapid decay of long-term dependencies. To address this limitation, we propose Entity State Tuning (EST), an encoder-agnostic framework that endows TKG forecasters with persistent and continuously evolving entity states. EST maintains a global state buffer and progressively aligns structural evidence with sequential signals via a closed-loop design. Specifically, a topology-aware state perceiver first injects entity-state priors into structural encoding. Then, a unified temporal context module aggregates the state-enhanced events with a pluggable sequence backbone. Subsequently, a dual-track evolution mechanism writes the updated context back to the global entity state memory, balancing plasticity against stability. Experiments on multiple benchmarks show that EST consistently improves diverse backbones and achieves state-of-the-art performance, highlighting the importance of state persistence for long-horizon TKG forecasting. The code is published at https://github.com/yuanwuyuan9/Evolving-Beyond-Snapshots
• Abstract（参考訳）: 時間的知識グラフ(TKG)予測では、スナップショット内の構造的依存関係とスナップショット間の時間的進化を共同でモデル化することで、将来の事実を予測する必要がある。 しかし、既存のほとんどのメソッドはステートレスで、制限されたクエリウィンドウから各タイムスタンプでエンティティ表現を再計算し、エピソード的アムネシアと長期依存の急激な崩壊につながる。 この制限に対処するために、永続的かつ継続的な進化するエンティティ状態を持つTKG予測者を支援するエンコーダに依存しないフレームワークであるEntity State Tuning (EST)を提案する。 ESTはグローバルな状態バッファを保持し、クローズドループ設計を通じて構造的エビデンスとシーケンシャルな信号とを段階的に整列する。 具体的には、トポロジ対応状態認識器は、まず、構造的エンコーディングにエンティティ状態先行を注入する。 そして、統合された時間的コンテキストモジュールが、プラグイン可能なシーケンスバックボーンでステート強化イベントを集約する。 その後、デュアルトラック進化機構が更新されたコンテキストをグローバルエンティティ状態メモリに書き戻し、可塑性と安定性のバランスをとる。 複数のベンチマークの実験では、ESTは多様なバックボーンを一貫して改善し、最先端のパフォーマンスを実現し、長期TKG予測における状態持続性の重要性を強調している。 コードはhttps://github.com/yuanwuyuan9/Evolving-Beyond-Snapshotsで公開されている。

関連論文リスト

• PRISM: A hierarchical multiscale approach for time series forecasting [42.91635448262212]
  実世界の時系列には、グローバルなトレンド、局所的なきめ細かい構造、そしてその中間の複数のスケールの特徴の両方が含まれている。 本稿では,この課題に対処する新しい予測手法であるPRISMを提案する。 ベンチマークデータセットを用いた実験により、我々の手法は予測のための最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-12-31T14:51:12Z)
• OneCast: Structured Decomposition and Modular Generation for Cross-Domain Time Series Forecasting [21.91411439072952]
  ドメイン間時系列の予測は、様々なWebアプリケーションにおいて貴重なタスクである。 OneCastは構造化されモジュール化された予測フレームワークで、時系列を季節およびトレンドコンポーネントに分解する。 8つのドメインでの実験では、OneCastは最先端のベースラインよりも優れています。
  論文  参考訳（メタデータ） (2025-10-28T03:23:53Z)
• EntroPE: Entropy-Guided Dynamic Patch Encoder for Time Series Forecasting [50.794700596484894]
  IntroPE(Entropy-Guided Dynamic Patch)は,条件付きエントロピーによる遷移点を動的に検出する新しい時間情報フレームワークである。 これは、パッチの計算上の利点を維持しながら、時間構造を保存する。 長期予測ベンチマークによる実験では、EntroPEは精度と効率の両方を改善している。
  論文  参考訳（メタデータ） (2025-09-30T12:09:56Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [42.60778405812048]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• OpenPI-C: A Better Benchmark and Stronger Baseline for Open-Vocabulary State Tracking [55.62705574507595]
  OpenPIは、オープン語彙状態トラッキング用に注釈付けされた唯一のデータセットである。 手順レベル,ステップレベル,状態変化レベルの3つの問題を分類する。 評価指標として,クラスタベースの計量法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T16:48:20Z)
• Complex Event Forecasting with Prediction Suffix Trees: Extended Technical Report [70.7321040534471]
  複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。 このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。 複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-01T09:52:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。