科研之友
微信
新浪微博
Facebook
分享链接
摘要
脚本事件预测需要考虑两类信息来源：事件间的关联与事件内的交互。针对于事件间的关联，采用门控图神经网络对其进行建模。而对于事件内的交互，采用四元数对事件进行表征，接着通过四元数的哈密顿乘积来捕捉事件4个组成部分之间的交互。提出结合四元数和门控图神经网络来学习事件表示，它既考虑了外部事件图的交互作用，又考虑了事件内部的依赖关系。得到事件表示后，利用注意机制学习上下文事件表示和每个候选上下文表示的相对权值。然后通过权重计算上下文事件表示的和，再计算其与候选事件表示的欧氏距离。最后选择距离最小的候选事件作为正确的候选事件。在纽约时报语库上进行了实验，结果表明，通过多项选择叙事完形填空评价，本文的模型优于现有的基线模型
-
单位模式识别国家重点实验室; 中国科学院自动化研究所; 中国科学院大学
