基于事件演化图与图卷积神经网络的事件预测

摘要：

该文从改进事件演化图构造和丰富事件表示的角度出发,提出了一种基于事件演化图和图卷积网络的事件预测模型.该模型采用事件抽取模型,结合频率和互信息重新定义事件演化图中边的权重.事件语境的表示由BiLSTM和记忆网络学习得到,并在事件演化图的指导下作为输入被馈送到GCN.最终的事件预测由这种事件关系感知、上下文感知和邻域感知的事件嵌入共同完成.在Gigaword基准数据集上的实验结果表明,所提出的模型在事件预测精度方面优于六个先进的模型,与其中最新的SGNN方法相比提高了5.55％.

关键词：事件预测、事件演化图、图卷积网络、记忆网络

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划2017YFC0405805

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：123-132