基于局部数据增强动态图的事件预测

作者：潘磊; 刘欣; 陈君益; 程章桃; 刘乐源^*; 周帆

来源：计算机科学, 2023, 1-15.

• 事件预测
• 图注意力网络
• 动态图
• 条件变分编码器
• 数据增强

事件是指特定时间和地点在真实世界中发生的与特定主题相关的活动，例如：社会动乱、暴恐袭击、自然灾害和传染病流行等事件会对国家安全和人民群众生活产生重大威胁。如果能对此类事件的发生进行有效预测，将最大程度地减少负面事件带来的影响或最大化正面事件带来的利益。关于事件的研究中，准确预测事件仍然是一个非常具有挑战性的任务。本文提出了一种基于图注意力网络的事件预测方法Local Augmented Temporal-GAT（LAT-GAT），该方法使用条件变分编码器，在所构建的事件图中对目标节点的邻居节点生成新的特征样本，与节点原有特征进行拼合，形成新的节点特征，实现了对事件的传播结构的利用；另外，LAT-GAT还考虑了历史事件发生的时间先后顺序，将网络在上一时间点的输出结果集成进当前时间的特征中，从而实现了对事件传播时间特性的利用。最后，本文在泰国、印度、埃及和俄罗斯等四个国家真实事件数据集上，与多种有代表性的基线方法进行对比实验。实验结果表明，LAT-GAT在四个国家数据下的F1评分都优于基线方法；在泰国、俄罗斯和印度数据集上召回率优于基线方法；泰国、埃及和印度数据集上，也获得了最高的准确率。本文还通过消融实验考察了模型参数对最终结果的影响。

• 单位
  电子科技大学; 中国电子科技集团公司第十研究所