ONSEP: A Novel Online Neural-Symbolic Framework for Event Prediction Based on Large Language Model

本文是LLM系列文章，针对《ONSEP: A Novel Online Neural-Symbolic Framework for Event Prediction Based on Large Language Model》的翻译。

摘要

在事件预测领域，时间知识图谱预测（TKGF）是一项关键技术。以前的方法面临着在测试过程中不利用经验并依赖单一短期历史的挑战，这限制了对不断变化的数据的适应。在本文中，我们介绍了在线神经符号事件预测（ONSEP）框架，该框架通过集成动态因果规则挖掘（DCRM）和对偶历史增强生成（DHAG）进行创新。 DCRM 根据实时数据动态构建因果规则，从而能够快速适应新的因果关系。与此同时，DHAG 融合了短期和长期历史背景，利用双分支方法来丰富事件预测。我们的框架在不同的数据集上展示了显着的性能增强，具有显着的 Hit@k (k=1,3,10) 改进，展示了其增强大型语言模型 (LLM) 以进行事件预测的能力，而无需进行大量的再训练。 ONSEP 框架不仅推动了 TKGF 领域的发展，还强调了神经符号方法在适应动态数据环境方面的潜力。

1 引言

2 前言

3 方法

4 实验

5 相关工作

6 结论

在本文中，我们介绍了一种新颖的在线神经符号框架 ONSEP，它将 LLM 与 TKG 集成，以在动态在线环境中