FITTER: Nuovo Modello Abilita Inferenza Cross-Domain su Grafi di Conoscenza Temporali

Un team di ricercatori ha presentato FITTER, un modello strutturale innovativo progettato per la previsione dei collegamenti in grafi di conoscenza temporali, facilitando il trasferimento cross-domain. A differenza degli approcci tradizionali che richiedono una conoscenza preliminare di entità, nomi di relazioni e timestamp durante l'addestramento, FITTER gestisce abilmente entità, nomi di relazioni e timestamp completamente nuovi in vari domini. Il modello caratterizza ogni predicato attraverso i suoi modelli di interazione con altri e con il tempo, utilizzando codifiche basate sull'ordinamento relativo anziché assoluto. Impiegando il message-passing per integrare sia i contesti temporali locali che globali, questo metodo produce embeddings agnostici al vocabolario, rendendo il modello completamente induttivo. I ricercatori dimostrano che la codifica temporale rimane invariante ai cambi di tempo e valutano FITTER su sei benchmark in diversi domini. L'articolo è disponibile su arXiv con l'identificatore 2608.10668.