基于事件演化图的多标记事件预测模型

作者：王华珍^*; 许泽; 孙悦; 丘斌; 陈坚; 邱强斌

来源：计算机工程, 2023, 1-10.

DOI：10.19678/j.issn.1000-3428.0067498

• 多标记
• 事件演化图
• 事件表示学习
• 门控图神经网络
• 事件预测

多标记事件预测是指预测多个相关联的事件是否会在未来发生，与传统单标记事件预测相比，它需要同时预测多个目标事件。针对现有的事件预测研究忽略在各领域存在的多标记事件情境问题，且鲜有针对多标记事件预测的研究，本文提出一种基于事件演化图的多标记事件预测模型（Multi-Label Event Prediction Based on Event Evolution Graph， MLEP），以实现基于事件演化图的多标记事件预测研究的新模式。首先基于事件链构建事件演化图（EEG）；然后对多标记事件预测问题进行问题转换，将多标记问题转化为单标记问题，再利用事件表示学习方法获取所有事件的向量表示，对多标记事件进行编码；最后采用门控图神经网络（GGNN）框架构建出多标记事件预测模型，根据相似度匹配出最优的后续事件，实现多标记事件的预测。在真实数据集上的实验结果表明，本文提出的MLEP模型可以有效的预测出多标记事件，预测准确率达到了65.58%，性能优于大多现有的基准模型，提升幅度达到了4.94%以上。通过消融实验证明了更好的事件表示学习方法对事件具有更好的表示效果，能提升多标记事件预测的性能。

• 单位
  华侨大学