本说明书一个或多个实施例涉及计算机，尤其涉及一种事件预测的方法及装置。
背景技术：
1、事件序列是按照时间戳从早到晚排序的多个事件形成的序列。流事件序列是随时间加入新事件并遗忘旧事件的事件序列。点过程模型可以根据给定的事件序列，预测在未来某时间点发生某种事件的概率。其中，某时间点即事件的发生时间，某种事件代表了事件类型，发生时间和事件类型等均可以作为时序嵌入模型的预测目标。在事件预测的业务场景中，如何提高事件预测准确性，是一个重要技术问题。
技术实现思路
1、本说明书一个或多个实施例描述了一种事件预测的方法及装置，用以解决背景技术提到的一个或多个问题。
2、根据第一方面，提供一种事件预测的方法，用于基于历史事件序列，预测下一个事件的事件属性，所述方法包括：利用点过程模型处理当前历史事件序列，预测下一个事件在所述事件属性上的至少一个候选项，其中，所述候选项是所述事件属性的属性项；针对各个候选项，分别通过以下方式进行打分，得到各个可信分数：利用预先训练的生成模型生成产生相应候选项的至少一个候选事件；将所述至少一个候选事件各自分别与当前历史事件序列中的各个历史事件进行匹配，从而将匹配到的各个历史事件作为相应候选项的证据事件；利用预先训练的打分模型处理各个证据事件，得到相应候选项的可信分数；根据各个候选项分别对应的各个可信分数的大小，确定下一个事件在所述事件属性上对应的属性项。
3、在一个实施例中，所述事件属性为事件类型和发生时间中的至少一项。
4、在一个实施例中，所述利用点过程模型处理当前历史事件序列，预测下一个事件在所述事件属性上的至少一个候选项包括：利用点过程模型处理当前历史事件序列，得到下一个事件在所述事件属性各个属性项上分别对应的各个概率值；按照各个概率值的大小，将概率值大于预定概率阈值或由大到小排列在前n个的至少一个属性项确定为候选项。
5、在一个实施例中，所述生成模型通过语言大模型实现，所述至少一个候选项包括第一候选项；所述利用预先训练的生成模型生成产生相应候选项的至少一个候选事件包括：向预定语言大模型提供通过自然语言描述的根据候选项生成原因事件的任务要求、第一候选项以及至少一个样例，以供语言大模型基于所述至少一个样例，为所述第一候选项生成至少一个原因事件作为相应的候选事件。
6、在一个实施例中，所述将所述至少一个候选事件各自分别与当前历史事件序列中的各个历史事件进行匹配包括：将单个候选事件与单个历史事件进行字符匹配或语义匹配，得到相应的单个相似度；基于所述单个相似度与预定相似度阈值的比较，确定所述单个候选事件与单个历史事件的匹配结果。
7、在一个进一步的实施例中，所述基于所述单个相似度与预定相似度阈值的比较，确定所述单个候选事件与单个历史事件的匹配结果包括：在所述单个相似度大于预定相似度阈值的情况下，确定所述匹配结果为：所述单个历史事件为所述单个候选事件匹配到的历史事件。
8、在一个实施例中，所述至少一个候选项包括第一属性项，所述打分模型通过以下方式训练：获取基于在预定事件属性上为第一候选项的各个样本事件对应的正样本，以及在预定事件属性上不为第一候选项的各个样本事件对应的负样本，其中，正样本对应第一值作为样本标签，负样本对应第二值0作为样本标签，各个样本事件之前发生的各个历史事件作为相应的样本证据事件；分别将各个样本对应的样本证据事件输入预先确定的打分模型，根据打分模型的输出结果与相应样本标签的对比，确定模型损失；向模型损失减小的方向调整打分模型中的待定参数，从而更新所述打分模型。
9、在一个实施例中，所述根据各个候选项分别对应的各个可信分数的大小，确定下一个事件在所述事件属性上对应的属性项包括：将对应可信分数按照由大到小的顺序排列靠前的m个候选项作为下一个事件在预定事件属性上的属性项。
10、根据第二方面，提供一种事件预测的装置，用于基于历史事件序列，预测下一个事件的事件属性，所述装置包括：
11、预测单元，配置为利用点过程模型处理当前历史事件序列，预测下一个事件在所述事件属性上的至少一个候选项，其中，所述候选项是所述事件属性的属性项；
12、打分单元，配置为针对各个候选项，分别通过以下方式进行打分，得到各个可信分数：利用预先训练的生成模型生成产生相应候选项的至少一个候选事件；将所述至少一个候选事件各自分别与当前历史事件序列中的各个历史事件进行匹配，从而将匹配到的各个历史事件作为相应候选项的证据事件；利用预先训练的打分模型处理各个证据事件，得到相应候选项的可信分数；
13、确定单元，配置为根据各个候选项分别对应的各个可信分数的大小，确定下一个事件在所述事件属性上对应的属性项。
14、根据第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。
15、根据第四方面，提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。
16、通过本说明书实施例提供的装置和方法，在进行事件预测过程中，可以先利用点过程模型处理当前历史事件序列，以预测下一个事件在事件属性上的至少一个候选项，然后，针对各个候选项，分别从历史事件序列中选择相应的历史事件作为证据事件，为其进行可信度打分，得到各个可信分数，然后根据各个候选项分别对应的各个可信分数的大小，确定下一个事件在事件属性上对应的属性项。其中，在确定证据事件时，基于自然语言模型进行，充分利用事件中的自然语言描述，有利于利用更加丰富的信息，提高事件预测的准确性。
1.一种事件预测的方法，用于基于历史事件序列，预测下一个事件的事件属性，所述方法包括：
2.如权利要求1所述的方法，其中，所述事件属性为事件类型和发生时间中的至少一项。
3.如权利要求1所述的方法，其中，所述利用点过程模型处理当前历史事件序列，预测下一个事件在所述事件属性上的至少一个候选项包括：
4.如权利要求1所述的方法，其中，所述生成模型通过语言大模型实现，所述至少一个候选项包括第一候选项；所述利用预先训练的生成模型生成产生相应候选项的至少一个候选事件包括：
5.如权利要求1所述的方法，其中，所述将所述至少一个候选事件各自分别与当前历史事件序列中的各个历史事件进行匹配包括：
6.如权利要求5所述的方法，其中，所述基于所述单个相似度与预定相似度阈值的比较，确定所述单个候选事件与单个历史事件的匹配结果包括：
7.如权利要求1所述的方法，其中，所述至少一个候选项包括第一属性项，所述打分模型通过以下方式训练：
8.如权利要求1所述的方法，其中，所述根据各个候选项分别对应的各个可信分数的大小，确定下一个事件在所述事件属性上对应的属性项包括：
9.一种事件预测的装置，用于基于历史事件序列，预测下一个事件的事件属性，所述装置包括：
10.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-8中任一项的所述的方法。
11.一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-8中任一项所述的方法。
