一种基于逻辑上下文学习的时序知识图谱预测方法

本发明公开了一种基于逻辑上下文学习的时序知识图谱预测方法，涉及知识图谱领域，包括步骤1、在已知的时序知识图谱中进行基于时间的随机游走得到符合时间约束的时间随机游走路径；步骤2、将得到的符合时间约束的时间随机游走路径抽象为时间逻辑规则；步骤3、计算抽象出的时间逻辑规则的支持度和置信度；步骤4、根据需要预测事件中的关系找到对应的时间逻辑规则并根据支持度对规则进行过滤；步骤5、将过滤后的规则应用于时序知识图谱得到预测尾实体的候选集；步骤6、根据固定格式，把历史事件和候选集转换为输入大语言模型的逻辑上下文；步骤7、大语言模型根据输入的逻辑上下文，重排候选集，预测未来发生事件中可能的尾实体。