(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210281274.7 (22)申请日 2022.03.21 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融大街31号 (72)发明人 姚旭杨　李伟　谷红明　 (74)专利代理 机构 北京律智知识产权代理有限 公司 11438 专利代理师 李建忠 (51)Int.Cl. G06Q 10/04(2012.01) G06F 16/36(2019.01) G06N 3/04(2006.01) G06F 16/33(2019.01) (54)发明名称 潜在事件预测方法、 装置、 设备及存 储介质 (57)摘要 本公开提供了一种潜在事件预测方法、 装 置、 设备及存储介质， 涉及机器学习认知计算技 术领域。 该方法包括： 获取目标事件场景的事理 图谱， 其中， 事理图谱中包含： 多个事件节 点及各 个事件节 点之间的节点连接关系， 每个事件节点 对应目标事件场景中一个事件； 使用图神经网络 模型确定事理图谱的特征向量； 将事理图谱的特 征向量， 输入到预先训练好的神经网络模型， 预 测事理图谱中缺失的事件节点及相应的节点连 接关系； 根据事理图谱中缺失的事件节点及相应 的节点连接关系， 确定目标事件场景中的潜在事 件。 本公开能够提高基于事件文本对事件进行预 测的准确度。 权利要求书2页 说明书11页 附图6页 CN 114611816 A 2022.06.10 CN 114611816 A 1.一种潜在事 件预测方法， 其特 征在于， 包括： 获取目标事件场景的事理图谱， 其中， 所述事理图谱中包含： 多个事件节点及各个事件 节点之间的节点连接关系， 每 个事件节点对应所述目标事 件场景中一个事 件； 使用图神经网络模型确定所述事理图谱的特 征向量； 将所述事理图谱的特征向量， 输入到预先训练好的神经网络模型， 预测所述事理图谱 中缺失的事 件节点及相应的节点连接关系； 根据所述事理图谱中缺失的事件节点及相应的节点连接关系， 确定所述目标事件场景 中的潜在事 件。 2.根据权利要求1所述的潜在事件预测方法， 其特征在于， 使用图神经网络模型确定所 述事理图谱的特 征向量， 包括： 使用图神经网络模型确定所述事理图谱中各个事 件节点的特 征向量； 根据所述事理图谱中各个事 件节点的特 征向量， 确定所述事理图谱的特 征向量。 3.根据权利要求1所述的潜在事件预测方法， 其特征在于， 在将所述事理图谱的特征向 量， 输入到预先训练好的神经网络模型， 预测所述事理图谱中缺失的事件节点及相应的节 点连接关系之前， 所述方法还 包括： 获取多个完整事理图谱， 其中， 每 个完整事理图谱 对应一种事 件场景； 对每个完整事理图谱中的事件节点及事件节点之间的节点连接关系 按比例删除， 得到 每个完整事理图谱的缺失事理图谱； 将所述多个完整事理图谱及对应的缺失事理图谱作为训练数据， 对神经网络模型进行 训练， 得到训练好的神经网络模型。 4.根据权利要求3所述的潜在事件预测方法， 其特征在于， 获取多个完整事理图谱， 包 括： 获取每种事 件场景下的多个事 件； 将每种事 件场景下的多个事 件进行泛化处 理， 得到每种事 件场景下的多个事 件节点； 将每种事件场景下的多个事件输入自然语言处理模型， 输出每种 事件场景下多个事件 节点之间的节点连接关系； 根据每种 事件场景下的多个事件节点及对应的节点连接关系， 生成每种 事件场景下的 完整事理图谱。 5.根据权利要求1所述的潜在事件预测方法， 其特征在于， 将所述事理图谱的特征向 量， 输入到预先训练好的神经网络模型， 预测所述事理图谱中缺失的事件节点及相应的节 点连接关系， 包括： 基于预先训练好的神经网络模型， 采用多层注意力机制， 逐层预测所述事理图谱中缺 失的事件节点及相应的节点连接关系。 6.根据权利要求4所述的潜在事件预测方法， 其特征在于， 基于预先训练好的神经网络 模型， 采用多层注意力机制， 逐层预测所述事理图谱中缺失的事件节点及相应的节点连接 关系， 包括： 将所述事理图谱的特征向量输入到预先训练好的神经网络模型， 输出缺失的事件节点 类型； 将所述缺失的事件节点类型输入到预先训练好的神经网络模型， 输出缺失的事件节点权　利　要　求　书 1/2 页 2 CN 114611816 A 2内容； 将所述缺失的事件节点类型与所述缺失的事件节点内容输入到预先训练好的神经网 络模型， 输出 所述事理图谱中缺失的事 件节点及相应的节点连接关系。 7.根据权利要求1所述的潜在事件预测方法， 其特征在于， 获取目标事件场景的事理图 谱， 包括： 获取目标场景 下的多个事 件； 将目标场景 下的多个事 件进行泛化处 理， 得到目标场景 下的多个事 件节点； 将目标场景下的多个事件输入自然语言处理模型， 输出目标场景下多个事件节点之间 的节点连接关系； 根据目标场景下的多个事件节点及对应的节点连接关系， 生成 目标事件场景的事理图 谱。 8.一种潜在事 件预测装置， 其特 征在于， 包括： 事理图谱获取模块， 用于获取目标事件场景的事理图谱， 其中， 所述事理图谱中包含： 多个事件节点及各个事件节点之间的节点连接 关系， 每个事件节点对应所述目标事件场景 中一个事 件； 特征向量确定模块， 用于使用图神经网络模型确定所述事理图谱的特 征向量； 神经网络输入模块， 用于将所述事理图谱的特征向量， 输入到预先训练好的神经网络 模型， 预测所述事理图谱中缺失的事 件节点及相应的节点连接关系； 潜在事件确定模块， 用于根据所述事理图谱中缺失的事件节点及相应的节点连接关 系， 确定所述目标事 件场景中的潜在事 件。 9.一种电子设备， 其特 征在于， 包括： 处理器； 以及 存储器， 用于存 储所述处 理器的可 执行指令； 其中， 所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所 述潜在事 件预测方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1～7中任意 一项所述的潜在事 件预测方法。权　利　要　求　书 2/2 页 3 CN 114611816 A 3