一种社会事件持续预测方法、系统、设备及存储介质

本发明属于社会事件预测领域，具体涉及一种社会事件持续预测方法、系统、设备及存储介质，将社会事件数据通过上下文学习、聚合、池化操作后，得到嵌入向量，选择预设时间窗口内的嵌入向量作为锚点样本，将锚点样本作为正样本，获取与正样本在时间上有重叠的所有嵌入向量作为困难负样本，根据锚点样本以及正样本，计算得到正重叠度，根据锚点样本以及困难负样本，得到负重叠度，然后计算出对比损失值，结合主损失值得到总损失值，根据总损失值调整预测模型的模型权重，得到优化预测模型，通过优化预测模型和实际嵌入向量，得到预测结果。本申请通过引入对比学习，使模型能够区分时间窗口高度重叠但未来事件标签不同的样本，显著地降低了虚警率。