融合溯因推理与时间点过程的社交媒体突发事件预测

打开文本图片集

摘要：社交媒体突发事件具有传播速度快、因果链条复杂和演化路径不确定等特点，给事件预测带来较大挑战。针对这一问题，文章提出一种融合EasyTPP与LAMP框架的事件序列预测方法。该方法通过引入大语言模型的溯因推理能力，深度挖掘事件因果链，显著提升了对事件发生时间与类型的预测准确性。实验基于PHEME、Weibo-CO与HumAID 3个真实社交媒体数据集开展，结果表明，所提方法在事件时间预测的MAE指标上相较主流模型ANHP平均降低约10.5%，在事件类型分类任务中，宏平均F1值提升 5.1%。（剩余9541字）