.png){kind=icon}
返回
Learning semantics-enhanced temporal graph embedding for event prediction
.png){kind=icon}
OA
AI
DOI：10.1007/s40747-026-02329-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
事件预测对于风险评估和资源分配等应用是一项重要任务。然而，由于可用数据的复杂性和异质性，对过去进行建模并非易事。近年来，图神经网络（GNNs）在处理不同形式的数据方面表现出灵活性，并被应用于事件预测，因为事件可以形式化为时序图。尽管基于GNN的方法取得了令人印象深刻的表现，但在事件预测任务上仍存在局限性。首先，不同类型的数据（如图和文本）尚未被充分利用，且上下文信息未被有效利用。其次，GNNs通常以时序图的个体快照作为输入，这限制了它们学习长期依赖关系的能力。为解决这些问题，我们提出了一种时序图嵌入学习模型，命名为TGELN。它包含两个主要模块：数据处理器和事件预测器。前者处理事件数据库的记录并创建基于事件的时序图；后者采用一种新颖的语义增强图神经网络，它结合了语义信息以及其他文本特征，以学习用于事件预测的时序图嵌入。在八个国家间事件数据集上进行了大量实验，结果表明所提出的模型相比基线方法具有优越性。
Keyword:
Embedding learning
Event prediction
Graph neural networks
Temporal graphs
期刊
C
IF:
4.6
论文数:
297
被引数:
0
机构
引用论文
Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation使用RNN编码器-解码器学习统计机器翻译的短语表示OAAI
OAAI分享收藏GLANet: temporal knowledge graph completion based on global and local information-aware network.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏Multi-Task Learning for Spatio-Temporal Event ForecastingProceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏Learning Dynamic Context Graphs for Predicting Social EventsProceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
PREAI
分享收藏分享收藏
查看更多内容