AdaTKG: La memoria adattiva migliora il ragionamento nei grafi di conoscenza temporali

AdaTKG presenta una strategia innovativa per il ragionamento con grafi di conoscenza temporali (TKG) concettualizzando ogni entità come un processo adattivo che aggiorna la propria memoria a ogni interazione. A differenza degli approcci tradizionali che si basano su rappresentazioni fisse delle entità, AdaTKG potenzia dinamicamente queste rappresentazioni attraverso una media mobile esponenziale apprendibile controllata da un singolo scalare condiviso, eliminando così la necessità di parametri apprendibili individuali per ogni entità. Questo meccanismo consente un accumulo di memoria online, portando a previsioni migliori all'aumentare delle interazioni. La ricerca, disponibile su arXiv (2605.07121), segna un allontanamento dalle rappresentazioni statiche, facilitando una gestione più efficace degli eventi in evoluzione all'interno dei TKG.