文档名：基于关系图卷积神经网络的多标签事件预测
摘要：事件预测需要综合考虑的要素众多,现有预测模型多数存在数据稀疏、事件的组合特征及时序特征考虑不足、预测类型单一等问题.为此,提出了基于关系图卷积神经网络的多标签事件预测方法,通过节点特征聚合技术实现数据的稠密化表示.模型利用卷积神经网络的卷积和池化运算,提取预测数据的组合时间段特征信息,并结合长短期记忆网络的时序特征提取能力,进一步提取预测数据的时序规律特征;最后,模型通过全连接的多标签分类器,输出多种类型事件发生的概率值.实验结果表明,所提模型可以支持进行多日期、多类型事件预测,在特定数据集上最高F1值可以达到0.85.
作者：高翔Author：GAOXiang
作者单位：中国西南电子技术研究所,成都610036
刊名：电讯技术 ISTICPKU
Journal：TelecommunicationEngineering
年，卷(期)：2023, 63(4)
分类号：TP183
关键词：事件预测 多标签事件 关系图卷积神经网络 长短期记忆网络
机标分类号：TP391TP181TN911-34
在线出版日期：2023年5月5日
基金项目：基于关系图卷积神经网络的多标签事件预测[
期刊论文] 电讯技术--2023, 63(4)高翔事件预测需要综合考虑的要素众多,现有预测模型多数存在数据稀疏、事件的组合特征及时序特征考虑不足、预测类型单一等问题.为此,提出了基于关系图卷积神经网络的多标签事件预测方法,通过节点特征聚合技术实现数据的稠密化...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于关系图卷积神经网络的多标签事件预测 Multi-label Event Prediction Based on Relational Graph Convolutional Neural Network
基于关系图卷积神经网络的多标签事件预测.pdf
- 文件大小:
- 2.72 MB
- 下载次数:
- 60
-
高速下载
|
|
