分层自适应融合与分离网络(HA-AFSNet)用于上下文感知的国际事件参与者排序
《Mathematics》:Adaptive Information Coordination for Context-Aware International Event Forecasting with Temporal Knowledge Graphs
【字体:
大
中
小
】
时间:2026年10月24日
来源:Mathematics 2.3
摘要
上下文感知的国际事件预测必须在保持上下文特定证据的同时,利用跨语义边界的相关交互。我们提出了分层自适应融合与分离网络(HA-AFSNet),该网络在时间编码之前学习这种平衡。历史条件系数联合融合实体和关系状态,将信息分配与参与者排序目标联系起来。所评估的任务根据从与查询事件相关文章中衍生的语义上下文标签对候选参与者进行排序。在三个GDELT区域图上的五个种子上,HA-AFSNet相比SeCoGD将平均倒数排名(MRR)提高了9.73-11.35%。与学习的静态门相比,平均MRR增益为0.0109-0.0149,在所述分布假设下具有正的逐点95%配对Student区间。由于仅有五个种子对,这种统计证据是有限的,并且取决于所评估的分割。条件分支占整个模型参数的1.68-1.78%。完整的测试期系数轨迹显示了分配如何随日期和接收上下文变化。这些结果支持在提供的事件关联上下文标签内为参与者排序进行历史条件信息分配。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号