图结构共性提示的连续事件预测模型

跨域双向迁移不遗忘

该模型利用领域特性提示冻结骨干网络，通过图结构共性提示实现跨域知识双向迁移，从而在持续学习中有效缓解灾难性遗忘。

Zhang, Yuxin · Zhai, Songlin · 陈永锐 · 75351160 · Bi, Sheng · Yuan, Meng · 漆桂林

Information Processing and Management 2025

参数信息

ET-TA提升

5.6 %

ET-MD降低

5.8 %

技术优势

跨域双向迁移

通过图结构共性提示和领域特性提示，模型不仅能保留旧知识，还能将共性知识反向迁移到新任务，提升整体性能。

不遗忘旧任务

冻结预训练主干并插入领域特性提示，模型在连续任务流中避免了对已学知识的灾难性遗忘，稳定性指标显著优化。

应用场景

• 时序事件预测：用于预测未来事件的发生时间与类型，支持风险预警与资源调度。
• 在线学习系统：作为持续学习组件嵌入在线系统，对实时事件流进行增量更新而不退化。
• 动态知识适应：在跨领域数据流上动态调整模型，复用共性知识以快速适应新场景。