论文浅尝 | 基于事理图谱的脚本事件预测

论文笔记整理：邱圣广，南京大学硕士，研究方向为自然语言处理。

链接：https://www.ijcai.org/proceedings/2018/0584.pdf

绪论

1.  脚本事件预测

脚本事件预测这个任务最早是由Chambers andJurafsky于2008年提出来的，要求给定一个事件的上下文 (context)，需要从候选列表中选出接下来最可能要发生的事件，如下图所示：

这是在餐馆场景下发生的一系列事件，根据已经发生的事件，5个候选事件中下一个最可能发生的事件就是离开餐馆(leave)。

2.  亮点

现有的关于脚本事件预测的方法主要是基于事件对和事件链的，但是会存在以下缺陷，如下图所示：

给定上下文：enter,order,serve，现在要从talk和eat这两个候选事件中选出下一个最可能发生的事件。在基于事件对和事件链的方法中，如（b）所示，在训练的时候，会发现（serve,talk）一起出现的频率要高于（serve,eat），因此在预测的时候选择talk的概率会更高；而在基于事件图结构（即事理图谱）的方法中，如（c）所示，（order，serve，eat）构成了一个强联通分量，这暗示了eat更可能是正确答案。

3.  论文贡献

（1） 第一个在脚本事件预测这个任务上提出基于图结构的方法

（2） 提出一个大规模图神经网络（Scaled Graph Neural Network），从而可以对大规模稠密有向图中的事件关系进行建模，进而学习出更好的事件表示。

模型

1.  事理图谱（NEEG