이 연구는 사건 중심 분석 시스템이 저빈도·미관측 사건 조합에서 겪는 일반화 한계를 해결하기 위해 구체적 인과쌍을 추상화한 규칙인 AECR(Abstract Event Causal Rule)을 제안한다. 다중 에이전트 기반 Concrete-to-Abstract Causal Induction(CACI) 시스템과 유사도 제약 클러스터링을 결합해 잡음 섞인 원시 인과 데이터에서 신뢰할 수 있는 AECR을 추출하고, 이를 바탕으로 두 개의 완전한 AECR 지식베이스를 구축했다. 또한 AECR을 규칙 기반 어텐션과 게이트 표현 융합으로 사건 예측(CGEP) 모델에 주입하는 AR-GCAE를 설계했다. 실험 결과 AECR 적용이 사건 인과 추론의 일반화 능력을 크게 강화했으며, 특히 희귀·미관측 사건에서 가장 뚜렷한 성능 향상이 관측됐다.

• •구체적 인과쌍을 관계 수준으로 추상화한 AECR 규칙 체계 제안
• •다중 에이전트 CACI 시스템과 유사도 제약 클러스터링으로 신뢰 가능한 규칙 추출
• •AR-GCAE로 AECR을 사건 예측 모델에 규칙 기반 어텐션으로 주입
• •희귀·미관측 사건 예측에서 가장 큰 성능 향상 관측
• •두 개의 완전한 AECR 지식베이스 구축