抽象事件因果规则：归纳与应用

摘要

arXiv:2608.05205v1 Announce Type: new Abstract: Event-centric intelligent analytical systems heavily depend on explicit causal event knowledge for risk early warning, decision-making support and narra...

causal event and the Abstract Event knowledge Causal AECRs level

2026-08-07 1 阅读约1分钟阅读 Ziwei Zheng, Peiqiong Chen, Bang Wang

arXiv:2608.05205v1 发布类型：新摘要：以事件为中心的智能分析系统严重依赖于明确的因果事件知识来进行风险预警、决策支持和叙述理解。然而，现有的实例级因果对在低频长尾和未见过的事件组合上存在严重的泛化缺陷。为了解决这一限制，本文提出了抽象事件因果规则（AECR），这是一种新颖的关系级因果抽象范式，它将具体的因果对转换为广义的抽象因果逻辑，同时保留其内在的因果关系。我们设计了一个多智能体具体到抽象因果归纳（CACI）系统，与相似性约束聚类相结合，从嘈杂的原始因果数据中提取可信的 AECR，并在此基础上构建了两个完整的 AECR 知识库。为了验证抽象因果知识的实用性，我们提出了一种抽象规则引导因果注意力编码器（AR-GCAE），它通过规则引导注意力层和门控表示融合将检索到的 AECR 注入因果关系图事件预测（CGEP）基准任务中。定量实验结果表明，应用 AECR 大大增强了事件因果推理的泛化能力，并为事件预测带来了一致的性能改进，在罕见和未见的事件样本上观察到最显着的增益。

订阅66必读