摘要
本发明公开了一种基于反事实与路径挖掘的事件溯因推理方法,包括:采用自注意力机制获得因果效应矩阵,利用图神经网络将其导入事件结点表示;利用注意力机制形成中间隐状态,引导RoBERTa模型抽取观测事件的关键特征hatt;将事件利用余弦相似度投影到外部事件逻辑图上,并基于中间隐状态,利用强化学习计算类似事件之间的逻辑链路;利用注意力机制获得上下文向量qpath;将hatt与qpath拼接用于计算假设的合理值得分;选择合理值得分最高的假设作为最有可能发生的合理假设;添加反事实损失函数优化模型,比较不同假设事件以挖掘关键溯因特征。本方法的推理结果更加精确,并根据反事实敏感性,抓取支持溯因的关键因素。