CCIIP实验室22级博士生黄日葵同学（导师：魏巍）的论文 “Simple Aggregation Is Not Enough: Temporal Knowledge Graph Forecasting via Decentralized Multi-Chain Reasoning”被IEEE 声学、语音和信号处理国际会议（ICASSP 2026）录用。第51届国际声学、语音与信号处理会议（ICASSP 2026），该会议将于2026年5月4日至5月8日举行！ICASSP是中国计算机学会CCF推荐的B类国际学术会议，是全球著名信号处理及其应用技术会议。
论文标题：Simple Aggregation Is Not Enough: Temporal Knowledge Graph Forecasting via Decentralized Multi-Chain Reasoning
作者：Rikui Huang, Shengzhe Zhang, Xiaoye Qu Wei Wei*
内容简介：时序知识图谱预测 (Temporal Knowledge Graph Forecasting, TKGF) 旨在基于历史事件预测未来事件。为实现可解释的推理，显式多跳路径方法受到越来越多的关注。然而，现有方法主要聚焦于生成单一推理路径，这往往不足以支撑稳健的推断。尽管从多条推理链中聚合信息是一种直观的思路，但其实际收益仍较为有限。我们发现，过度聚焦于寻找单一高质量推理链会导致路径分布过度集中，从而阻碍多链聚合推理。为解决这一局限，本文提出TimeFlow，一个面向TKGF的去中心化多链推理框架。具体而言，我们设计了一种目标流期望最大化机制，以联合优化多条推理链；同时，为确保生成高质量推理链，我们利用查询的时序上下文信息指导路径生成器。实验结果表明，TimeFlow 能有效生成分布分散的推理链，并在性能上显著超越现有的先进模型。
TimeFlow框架图