-
题名基于持续事件知识网络的持续社会事件分类研究
- 1
-
-
作者
张袁
张胜杰
刘利龙
钱胜胜
-
机构
郑州大学河南先进技术研究院
中国科学院自动化研究所多模态人工智能系统全国重点实验室
-
出处
《计算机科学》
北大核心
2025年第8期268-276,共9页
-
基金
国家重点研发计划(2023YFC3310700)
国家自然科学基金(62276257)。
-
文摘
随着互联网的快速发展和社交媒体规模的不断扩大,社会事件分类(Social Event Classification,SEC)越来越受到人们的关注。现有的社会事件分类研究侧重于识别一组固定的社会事件。然而,在现实世界中,社交媒体上会不断出现新的社会事件,这就需要一种实用的SEC模型能够迅速适应社会事件不断发展的环境。因此,研究了一个新的关键问题,即持续社会事件分类(C-SEC),在持续收集的社会数据中会不断出现新事件;提出了一种新颖的持续事件知识网络(Continual Event Knowledge Network,CEKNet),用于持续学习持续事件知识,以实现具有持续增量事件的C-SEC分类。所提出的持续学习框架由两个部分组成:当前事件知识学习和过去事件知识重放。首先,进行当前事件知识学习,学习当前输入数据中新出现事件的分类。其次,设计了具有知识自蒸馏功能的过去事件知识重放,以巩固所学到的过去事件知识,防止灾难性遗忘。在真实世界的社会事件数据集上进行的综合实验表明,与先进的方法相比,为C-SEC而提出的CEKNet更具优势。
-
关键词
社会事件分类
类递增持续学习
持续事件知识
-
Keywords
Social event classification
Class-incremental continual learning
Continual event knowledge
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
