Analyse de graphes de connaissances temporels
L'analyse de graphes de connaissances temporels étend les méthodes standard des graphes de connaissances aux données où les faits et les relations sont associés à des horodatages ou des intervalles de validité. Elle permet de raisonner sur la manière dont les entités et les relations évoluent au fil du temps, en prenant en charge des tâches telles que la prédiction de liens pour des faits futurs, la classification de relations temporelles et la prévision d'événements dans des données relationnelles dynamiques.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Trivedi, R., Dai, H., Wang, Y., & Song, L. (2017). Know-Evolve: Deep temporal reasoning for dynamic knowledge graphs. Proceedings of the 34th International Conference on Machine Learning (ICML), pp. 3462–3471. link ↗
- Dasgupta, S. S., Ray, S. N., & Talukdar, P. (2018). HyTE: Hyperplane-based temporally aware knowledge graph embedding. Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 2001–2011. DOI: 10.18653/v1/D18-1225 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Temporal Knowledge Graph Analysis (TKG Analysis). ScholarGate. https://scholargate.app/fr/network-analysis/temporal-knowledge-graph-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Analyse de graphe de connaissancesAnalyse de réseaux↔ compare
- Analyse de graphes de connaissances multicouchesAnalyse de réseaux↔ compare
- Détection de communautés temporellesAnalyse de réseaux↔ compare
- Analyse de la diffusion sur réseaux temporelsAnalyse de réseaux↔ compare
- Analyse des réseaux sociaux temporelsAnalyse de réseaux↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →