STK-Adapter：结合演化图和事件链进行时态知识图外推

时态知识图（TKG）外推旨在根据历史事实预测未来事件。最近的研究试图通过将 TKG 不断演变的结构表示和文本事件链集成到 大语言模型 (LLM) 中来增强 TKG 外推。然而，两个主要挑战限制了这些方法：（1）由于 TKG 的图演化结构表示和 LLM 的语义空间之间的浅对齐导致基本时空信息的丢失，以及（2）LLM 微调 期间 TKG 演化结构特征的逐渐稀释。为了应对这些挑战，我们提出了时空知识适配器（STK-Adapter），它灵活地集成了不断发展的图编码器和LLM以促进TKG推理。在 STK-Adapter 中，空间-时间 MoE 旨在捕获 TKG 固有的空间结构和时间模式。事件感知 MoE 用于对事件链内复杂的时间语义依赖性进行建模。此外，还提出了跨模态对齐 MoE，以促进 TKG 引导的注意力专家进行深度跨模态对齐。对基准数据集的大量实验表明，STK-Adapter 显着优于最先进的方法，并在跨数据集任务中表现出强大的泛化能力。代码可在 https://github.com/Zhaoshuyuan0246/STK-Adapter 获取。