基于动态增强图注意力网络的突发事件预测

仲兆满; 崔心如; 张渝; 吕慧慧; 樊继冬

doi:10.13232/j.cnki.jnju.2025.01.009

南京大学学报（自然科学） ›› 2025, Vol. 61 ›› Issue (01) : 94 -104. DOI: 10.13232/j.cnki.jnju.2025.01.009

基于动态增强图注意力网络的突发事件预测

仲兆满, 崔心如, 张渝, 吕慧慧, 樊继冬

作者信息 +

Author information +

文章历史 +

摘要

图神经网络在处理事件图的节点特征时会出现过平滑性的问题，导致较难获取全面的事件特征；同时，由于事件发展是动态的，网络在处理过程中会忽略短时间切片之间的数据变化，难以捕捉事件的全局时间特征.针对以上问题，提出基于动态增强图注意力网络的突发事件预测模型（Dynamic Enhanced Graph Attention Network,DEGAT），通过构建使用高斯扰动增强的图注意力网络（Enhanced Graph Attention Network,EGAT）来获取历史事件图全面的事件特征.将初始事件向量和EGAT输出的事件向量分别输入线性层进行融合，得到时间特征，再将多个不同历史时间特征序列输入多头注意力机制与LSTM相结合的时间编码层，获得全局时间特征.最后，将全局时间特征输入EGAT，经过非线性变换后输出预测结果 .在四个社会突发事件数据集上的实验结果表明，提出的模型与DynamicGCN的方法相比，准确率和精确率分别提高了3.88%和4.12%.