[發(fā)明專利]四元組門圖神經網絡事件預測方法、裝置、設備及介質

有效

• 申請?zhí)枺?/td>: 202110026128.5
• 申請日: 2021-01-08
• 公開（公告）號: CN112633483B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設計）人: 陶建華;車飛虎;楊國花;張大偉;劉通
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06N3/048
• 分類號: G06N3/048;G06N3/063;G06N3/08;G06Q10/04
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 茍冬梅

1.一種四元組門圖神經網絡事件預測方法，所述方法包括：

將多個初始背景事件與多個待選事件構成事理圖譜；

將所述事理圖譜中的所述多個初始背景事件與多個初始待選事件的向量以四元組的形式進行表示，得到初始背景事件向量與初始待選事件向量，所述初始背景事件向量與所述初始待選事件向量的表示形式為v(e_s,e_o,e_p)，其中v代表謂語動詞，e_s代表主語，e_o代表賓語，e_p代表一個和謂語動詞有介詞關系的實體；

使用四元組門圖神經網絡，根據所述初始背景事件向量與所述初始待選事件向量，對所述事理圖譜進行圖網絡計算，得到多個新的背景事件向量與多個新的待選事件向量；

利用注意力神經網絡對所述多個新的背景事件向量與所述多個新的待選事件向量進行計算，得到背景事件的整體向量；

根據每個所述新的待選事件向量與所述整體向量之間的歐氏距離，對所述待選事件進行打分，將得分最高的待選事件作為預測結果。

2.根據權利要求1所述的方法，其特征在于，將多個初始背景事件與多個待選事件構成事理圖譜，包括：

設置多個初始背景事件與多個待選事件之間的關系；

以多個初始背景事件與多個待選事件為節(jié)點，以多個初始背景事件與多個待選事件之間的關系為邊，構成事理圖譜。

3.根據權利要求1所述的方法，其特征在于，在使用四元組門圖神經網絡，根據所述初始背景事件向量與所述初始待選事件向量，對所述事理圖譜進行圖網絡計算，得到多個新的背景事件向量與多個新的待選事件向量之前，所述方法還包括：

收集多個相關事件，將所述多個相關事件中的一部分標注為背景事件，另一部分標注為待選事件，作為訓練集；

將所述訓練集輸入所述四元組門圖神經網絡之中對所述四元組門圖神經網絡進行訓練，得到訓練好的四元組門圖神經網絡。

4.根據權利要求1所述的方法，其特征在于，使用四元組門圖神經網絡對所述事理圖譜進行圖網絡計算，得到多個新的背景事件向量與多個新的待選事件向量，包括：

將所述事理圖譜中的事件的表示向量和代表事件之間的關系的鄰接矩陣輸入所述四元組門圖神經網絡中；

所述四元組門圖神經網絡對所述事件的表示向量和所述鄰接矩陣進行計算，得到所述多個新的背景事件向量與所述多個新的待選事件向量。

5.根據權利要求1所述的方法，其特征在于，利用注意力神經網絡對所述多個新的背景事件向量與所述多個新的待選事件向量進行計算，得到背景事件的整體向量，包括：

將所述多個新的背景事件向量與所述多個新的待選事件向量輸入到所述注意力神經網絡中；

針對所述多個新的待選事件向量中的每一個新的待選事件向量，將所述多個新的背景事件向量中的每一個新的背景事件向量與其進行注意力機制的運算，得到所述多個新的背景事件向量中的每一個新的背景事向量相對于所述每一個新的待選事件向量的權重系數；

根據所述權重系數，計算得到所述背景事件的整體向量。

6.根據權利要求1所述的方法，其特征在于，根據每個所述新的待選事件向量與所述整體向量之間的歐氏距離，對所述待選事件進行打分，將得分最高的待選事件作為預測結果，包括：

根據所述背景事件的整體向量，計算每個新的待選事件向量與所述背景事件的整體向量之間的歐氏距離，得到多個歐氏距離的值；

選擇多個歐氏距離的值中的最小值所對應的新的待選事件向量作為所述得分最高的待選事件向量，將所述得分最高的待選事件向量對應的待選事件作為預測結果。