一种基于自回归条件扩散生成的时序知识图谱推理方法

本发明公开了一种基于自回归条件扩散生成的时序知识图谱推理方法，属于人工智能与动态知识图谱技术领域。该方法通过关系感知的图神经网络聚合单时间快照内的实体结构依赖，结合时间门控循环单元自回归建模捕获跨快照的时序演化特征，输出动态嵌入；以前述嵌入为条件，通过前向扩散过程模拟未来不确定性，并以反向去噪迭代生成与真实分布对齐的未来表示，覆盖多元潜在演化路径；设计实体与关系融合门，自适应平衡历史经验与生成预测的权重，结合ConvTransE解码器实现高精度链接预测。本发明通过生成式建模增强对不确定性的适应能力，多粒度特征融合提升建模全面性，动态门控机制平衡历史与生成信息，显著提升预测灵活性和鲁棒性，适用于事件预测、动态推荐系统等多领域时序推理任务。