时序知识图谱海量稀疏，实体的长尾分布导致对分布外实体的推理泛化性较差，历史交互低频导致对未来事件的预测偏差较大。为此，文中提出故事启发大语言模型的时序知识图谱预测方法，利用大语言模型的世界知识储备和复杂语义推理能力，增强对分布外实体的理解和交互稀疏事件的关联。首先，根据时序知识图谱中时间和结构的特性筛选“关键事件树冶，通过历史事件筛选策略提炼最具代表性的事件，并摘要当前查询相关的历史信息，减少数据输入量并保留最重要的信息。