结合事件链与事理图谱的脚本事件预测模型

摘要：

现有脚本事件预测模型在事件表示时未充分考虑各个元素之间的相关性,且不能同时利用事件链和事理图谱中的信息进行事件预测.针对事件表示不全面和信息融合不充分的问题,提出一种结合事件链和事理图谱的脚本事件预测模型ECGNet.将每个事件的各个元素构造成一个短句,使用Transformer编码器捕获元素之间的序列信息,从而获得更准确的事件表示.在此基础上,构建一个长程时序模块(LRTO)学习事件链中的时序信息,同时构建一个全局事件演化模块(GEEP)捕获隐藏在事理图谱中的演化模式,通过门控注意力机制动态融合时序信息和演化模式进行脚本事件预测.基于纽约时报和新浪新闻两个数据集的实验结果表明,ECGNet能够有效融合事件链和事理图谱的信息进行脚本事件预测,与PMI、Bigram、SAM-Net、SGNN等模型相比,其准确率较最优值取得了3％以上的提升.

关键词：脚本事件预测、事件表示、事件链、事理图谱、注意力机制

所属期刊栏目：48

分类号：TP18(自动化基础理论)

资助基金：国家重点研发计划2018YFC0830200

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：119-125