科研之友
微信
新浪微博
Facebook
分享链接
摘要
时序事件预测是指基于历史事件预测下一个事件，事件包括时间和类型两个属性。当前主要工作集中在单方面（事件时间或事件类型）的预测，但这无法回答“何时发生何事”这类更精细的问题。此类问题的挑战主要是事件类型非常多样，而行为往往高度稀疏，给预测带来极大困难；其次需要预测的事件时间和事件类型分属两个域，如何把这两个域的信息加以融合并形成互补也是一个挑战。针对上述挑战，从融合多序列隐信息的角度探索了一种解决方法。首先，基于某些事件序列之间具有模式相似性这一观察，提出建模事件序列的隐关系图，利用邻居序列的信息解决行为稀疏性的问题；其次，通过合理设计神经网络模块，将事件的时间域和类型域的信息映射到共同的抽象空间，解决事件时间和事件类型信息的融合建模问题。通过在多个真实数据集上进行了大量实验，实验结果印证了多序列深度时序模型优于现有的一系列基准模型。
- 单位
