Apr, 2021

未来不是单一维度的：通过图模型进行复杂事件模式识别以进行事件预测

PDF
TL;DR研究介绍了一种基于图的时间复杂事件模式表示方法、事件预测模型及语料库，该模型可以高效地构建和评价图形式的事件模式，并且比线性表示方法更加优越，具备更高的预测能力。
event schematemporal complex event schematemporal event graph modelschema learning corpusfuture event prediction
发现论文，激发创造
  • 基于架构指导的事件图补全

    本研究提出了一种用于完成事件图的方法，通过利用事件图的模式结构来预测要添加到已实例化的架构子图中的候选事件节点并达到了最先进的性能结果。

    Jun, 2022

  • 增量提示和验证的开放域层次事件模式归纳

    通过利用大型语言模型，将事件图谱识别为一种常识性知识形式，并提出一种增量提示和验证方法，可以直接处理事件之间的层次关系和时间关系。相较于其他方法，可以提高 F1 值。

    Jul, 2023

  • 知识发现的因果模式归纳

    本研究提出了一个数据集和模型 Torquestra，用于语义搜索和知识发现，有效挖掘具有相似因果意义组件的英文新闻文本。

    Mar, 2023

  • 零样本即时事件架构归纳

    本篇文章描述了如何利用大型语言模型生成源文件，从而预测和构建描述感兴趣事件的模式，为任何主题生成任何模式，同时展示了这种方法在信息提取和模式推断方面的有效性和高效性。

    Oct, 2022

  • 使用语言模型起草事件模式

    本研究使用大型语言模型通过自然语言来起草事件模式，之后通过人工技术进行进一步的修订并将事件知识萃取到模式中。通过实验证明，大型语言模型在两个数据集中取得了适当的关键事件回调，并且我们的方法为更轻松地从大型语言模型中提取事件知识提供了可能性。

    May, 2023

  • SCI 3.0: 基于 Web 的图形事件表示模式策划界面

    通过创建结构化的事件模式，可以在全局事件中识别出具有最大影响力的元素，创造了一个可实时编辑事件模式属性的网络应用接口，用于自然语言处理领域。

    May, 2024

  • 从大型语言模型中收集事件模式

    本研究提出了一种利用大规模预训练语言模型进行知识收集的事件模式归纳新范式，即通过采用上下文生成式概念化、置信度感知式模式结构化和基于图的模式聚合的方式，设计了一种名为 ESHer 的事件模式收割机，实现高质量事件模式的自动归纳。实验结果表明，ESHer 在不同领域可以归纳出高质量和高覆盖率的事件模式。

    May, 2023

  • 人机交互的模式识别

    使用 GPT-3 驅動的人機交互式 Schema induction 系統，能夠更輕鬆地在新領域中識別模式，並減少人工監管的負擔，從而生成更好的圖形表示。

    Feb, 2023

  • 预测事件和知识图谱的共同演化

    本文研究了含有时间变量的知识图谱，通过训练一个使用知识图谱背景信息和最近事件信息的事件预测模型，预测未来事件并预测知识图谱的变化，从而得到了知识图谱的演化模型，该方法在医疗应用、推荐引擎和传感器网络应用中表现良好。

    Dec, 2015

  • 事件骨架生成的扩散模型

    通过引入嵌入和舍入技术及自定义基于边缘的损失函数，将离散事件图形转换为可学习的潜在表示，并提出去噪训练过程来维持模型鲁棒性，我们提出了一种新颖的扩散事件图模型（DEGM），该模型能保证在模式生成过程中逐步优化的潜在表示中进行错误修正，实验结果表明 DEGM 优于其他最先进的基线模型。

    May, 2023