作者:崔金满
单位:燕山大学
目录
Abstract
脚本事件预测需要模型预测给定现有事件上下文的后续事件,现有的方法大都是基于事件链或事件对的模型,不能充分利用事件间的紧密联系,从而限制预测能力,针对这一问题,本文构建一个事件图来更好地利用事件的网络信息进行脚本事件预测。首先从大量新事件中提取叙事事件链,并基于提取的事件链来构建事件演化图(NEEG)。其中,NEEG可以看做是一个描述事件演化原理和模式的知识库。为在NEEG上解决推理问题,本文提出一种比例图神经网络(SGNN)来模拟事件交互,更好地学习事件表示。SGNN每次只处理已知事件相关节点,而不是整个图,然后通过比较输入上下文事件和候选事件之间的语义相似性,选择正确的后续事件。
Introduction
脚本事件预测定义:给定一个现有事件上下文,从后续事件列表中选择最合理的后续事件。
先前的研究方法都是基于事件对或事件链进行事件预测的,但是这些方法并没有充分的探索事件之间的丰富联系。因此本文提出基于图结构的脚本事件预测方法。
如上图(a)所示,给定已知事件A,B,C,从候选事件D、E中选择正确的后续事件。其中D为正确的候选事件,E为随机选择的在各个场景中频繁出现的事件。基于事件链的模型很可能选择错误的后续事件E&#