RotateQVS：将时间信息表示为四元数向量空间中的旋转，用于时序知识图谱补全

基于摘要分析。该研究面向时序知识图谱（TKG）补全，试图解决既有表示学习方法难以刻画时间相关的关系模式及关系随时间演化时内在联系的问题。作者提出 RotateQVS，将时序实体表示为四元数向量空间中的旋转，并在 Hamilton 四元数空间中以复数向量表示关系。 核心机制是利用旋转结构编码时间信息，并通过实体与关系的表示支持跨时间事实推理。作者报告，理论分析表明该方法能够建模对称、非对称和逆关系等关键模式，并捕捉随时间演化的关系。摘要未给出具体旋转参数化、评分函数、损失形式及训练流程，因此这些机制的实现细节与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提升了链接预测表现；摘要未提供基准名称、数据划分、对照方法、评估指标或具体数值，不能据此判断提升幅度或跨协议比较。实验协议、消融及统计信息尚未验证，复现还需核对全文中的时间编码、负样本构造与评估设置。 该工作的主要研究对象是带时间信息的实体—关系事实，而非 EEG 信号或 BCI 解码。其机制依赖时序知识图谱结构；所给材料没有建立这种结构与 EEG/BCI 任务之间的具体对应关系，因此不提出直接迁移或复现实验建议。已有 EEG 相关工作尚未检索确认。