شبكة عصبونية هيكلية عميقة لاستخراج العلاقات الزمنية بين الأحداث

نقترح إطار تعلم هيكلي عميق جديد لاستخراج العلاقات الزمنية بين الأحداث. يتكون النموذج من 1) شبكة عصبية متكررة (RNN) لتعلم دوال التقييم للعلاقات الثنائية، و2) آلة دعم هيكلية (SSVM) لإجراء التنبؤات المشتركة. تتعلم الشبكة العصبية تلقائيًا تمثيلات تأخذ في الاعتبار السياقات طويلة الأجل لتوفير ميزات قوية للنموذج الهيكلي، بينما تضم ​​SSVM المعرفة في المجال مثل الإغلاق الانتقالي للعلاقات الزمنية كقيود لاتخاذ قرارات متسقة على مستوى عالمي بشكل أفضل. من خلال التدريب المشترك للمكونين، يجمع نموذجنا بين فوائد التعلم المدفوع بالبيانات واستغلال المعرفة. تظهر النتائج التجريبية على ثلاثة مجموعات بيانات عالية الجودة لعلاقات الأحداث الزمنية (TCR، MATRES، وTB-Dense) أنه مع تضمين تضمينات سياقية مدربة مسبقًا، يحقق النموذج المقترح أداءً أفضل بكثير من الأساليب المتقدمة في جميع المجموعات الثلاث. نقدم أيضًا دراسات استبعاد شاملة للتحقيق في نموذجنا.