一种基于脚本事件图的强化路径推理算法

为解决事件预测推理问题，本发明基于融合语境脚本事件图提出一种强化路径推理算法。通过分析现有事件预测推理算法的局限性，本发明将事件预测推理问题建模为马尔可夫决策过程(MDP)，构建了包含状态空间、动作空间、策略函数、转移函数和奖励机制的强化学习框架。在算法设计方面，本发明通过图结构学习模块、动作评分模块、随机策略生成模块、奖励计算模块以及策略优化模块完成整个算法的设计实现。本模型通过在MCNC及自建的建筑施工事故报告数据集上展开训练和测试验证，结果表明在下游事件预测推理任务中优于现有的其他预测模型，与最优的RoBERTa‑RF模型相比准确率提升了2.61％，且该结果具有统计显著性，本发明工作不仅为事件预测任务提供了新的方法论框架，其可解释的路径推理机制也为事件图谱的认知计算研究开辟了新路径。