9、MSK-Net：用于脚本事件预测的高效模型

MSK-Net：用于脚本事件预测的高效模型

1. 问题定义

脚本事件预测（SEP）旨在根据给定的上下文事件序列预测接下来会发生什么。事件 $e_i$ 被定义为 $(p_i, s_i, o_i, r_i)$，其中 $p_i$ 是谓词动词，$s_i$、$o_i$、$r_i$ 分别是该动词的主语、宾语和间接宾语。

为了评估方法，采用多选项叙事完形填空（MCNC）任务，并以准确率作为评估指标。每个实例包含一个包含 $n$ 个上下文事件的事件链 ${e_1, e_2, …, e_n}$ 和一个包含 $k$ 个选择的候选事件集 ${e_{c1}, e_{c2}, …, e_{ck}}$。

以下是重要符号及其定义的总结：
| 符号 | 定义 | 符号 | 定义 |
| — | — | — | — |
| ${e_1, e_2, …, e_n}$ | 包含 $n$ 个上下文事件的事件链 | $e_i$ | 事件链中第 $i$ 个位置的事件 |
| ${e_{c1}, e_{c2}, …, e_{ck}}$ | 包含 $k$ 个选择的候选事件集 | $e_{cj}$ | 第 $j$ 个候选事件 |
| $(p_i, s_i, o_i, r_i)$ | 事件 $e_i$ 的谓词动词及其主语、宾语、间接宾语 | $(e_1, e_2, …, e_n, e_c)$ | 上下文事件链与每个候选事件连接得到的问题 |
| $ $ | 用于标记问题 $q$ 的开始和结束 | $ $ | 问题 $q$ 中上下文事件和候选事件的分隔符 |
| $KB_i$ | 第 $i$ 个知识库 | $(h, r, t)$ | 从多源知识库处理后检索到的知识形式 |