华中科技大学论文入选ICASSP 2026：时序知识图谱预测新 ***

标题：华中科技大学论文惊艳亮相ICASSP 2026：时序知识图谱预测新法引领科研前沿

摘要：近日，华中科技大学信息科学与工程学院的研究团队在时序知识图谱预测领域取得突破性成果，其论文《基于时序知识图谱的预测新 *** 》成功入选国际声学、语音与信号处理会议（ICASSP 2026）。该研究为时序数据预测提供了新的思路和 *** ，有望在多个领域得到广泛应用。

正文：

随着大数据时代的到来，时序数据在各个领域扮演着越来越重要的角色。如何有效地对时序数据进行预测，成为了当前学术界和工业界共同关注的热点问题。华中科技大学信息科学与工程学院的研究团队针对这一问题，提出了一种基于时序知识图谱的预测新 *** ，并在国际声学、语音与信号处理会议（ICASSP 2026）上获得了广泛关注。

该论文针对传统时序预测 *** 的局限性，创新性地引入了时序知识图谱的概念。时序知识图谱通过构建包含时序数据、实体和关系的知识图谱，能够有效地挖掘和利用时序数据中的隐含信息，从而提高预测的准确性和可靠性。

研究团队首先对时序数据进行了预处理，通过时间序列分解、异常值处理等技术，确保数据质量。接着，基于预处理后的数据，构建了时序知识图谱。在图谱构建过程中，研究团队采用了实体识别、关系抽取和属性提取等技术，实现了对时序数据的全面表征。

随后，针对时序知识图谱，研究团队提出了基于图卷积神经 *** （GCN）的预测模型。该模型通过图卷积层对知识图谱进行学习，提取时序数据中的高阶特征，从而实现更精准的预测。此外，为了提高模型的泛化能力，研究团队还引入了迁移学习技术，实现了跨域时序数据的预测。

实验结果表明，该研究提出的基于时序知识图谱的预测新 *** 在多个数据集上均取得了优异的性能，相较于传统 *** ，预测准确率提升了20%以上。这一成果不仅为时序数据预测提供了新的思路和 *** ，也为相关领域的研究提供了有益的借鉴。

未来，华中科技大学信息科学与工程学院的研究团队将继续深入研究时序知识图谱预测技术，努力推动该技术在更多领域的应用，为我国科技创新贡献力量。

关键词：时序知识图谱；预测新 *** ；ICASSP 2026；图卷积神经 *** ；时序数据预测