RotateQVS：以四元数向量空间中的旋转表示时间信息，用于时序知识图谱补全

基于摘要分析。该研究针对时序知识图谱（Temporal Knowledge Graph，TKG）补全中时间相关关系模式难以表达、关系随时间演化的内在联系难以捕获的问题，提出 RotateQVS，以四元数向量空间中的旋转表示时间信息，支持时序事实的表示学习与推理。 机制上，摘要将时间相关实体表示为四元数向量空间中的旋转，并将关系表示为 Hamilton 四元数空间中的复向量。其重点不是一般时间序列预测，而是知识图谱中实体、关系与时间之间的结构化表示。作者报告，该方法能够在理论上建模对称、非对称和逆关系等关键模式，并进一步捕获随时间演化的关系。具体旋转参数化、时间编码、评分函数、损失形式及理论成立条件尚未验证。 实验方面，作者报告在四个时序知识图谱基准上的链接预测任务中提升了性能。摘要未提供基准名称、数据划分、对照方法、评估指标或提升幅度，因此不能量化收益，也不能据此认定达到 SOTA。实验协议、消融及统计信息尚未验证；复现仍需核对正文中的数据处理、训练配置和评估流程。 该方法依赖时序知识图谱的实体—关系—时间结构，摘要没有提供对连续 EEG 信号、跨被试差异或 BCI 解码任务的具体对应机制。因此，此处不将其改写为 EEG 算法创新，也不提出缺乏材料依据的迁移实验；已有 EEG 相关工作尚未检索确认。