基于关系图卷积神经网络的多标签事件预测

作者：高翔^*

来源：电讯技术, 2023, 63(04): 457-465.

DOI：10.20079/j.issn.1001-893x.220113003

• 事件预测
• 多标签事件
• 关系图卷积神经网络
• 长短期记忆网络

事件预测需要综合考虑的要素众多，现有预测模型多数存在数据稀疏、事件的组合特征及时序特征考虑不足、预测类型单一等问题。为此，提出了基于关系图卷积神经网络的多标签事件预测方法，通过节点特征聚合技术实现数据的稠密化表示。模型利用卷积神经网络的卷积和池化运算，提取预测数据的组合时间段特征信息，并结合长短期记忆网络的时序特征提取能力，进一步提取预测数据的时序规律特征；最后，模型通过全连接的多标签分类器，输出多种类型事件发生的概率值。实验结果表明，所提模型可以支持进行多日期、多类型事件预测，在特定数据集上最高F1值可以达到0.85。