Измерение поляризации гамма-всплесков помогает различать модели образования их излучения и исследовать структуру магнитных полей в источнике. Для таких измерений необходимо надежно выделять взаимодействия одного фотона в нескольких сегментах детектора. Однако при высокой загрузке гамма-поляриметра одно зарегистрированное событие может содержать сигналы от нескольких независимых фотонов. Это затрудняет выделение истинных комптоновских пар (пар сработавших сегментов, связанных с комптоновским рассеянием одного фотона). В работе предложен метод попарной реконструкции событий с помощью машинного обучения. Классификатор на основе случайного леса оценивает вероятность общего происхождения сигналов каждой пары сегментов, после чего формируется набор непересекающихся пар (каждый сегмент включается не более чем в одну выбранную пару). Обучение и проверка метода выполнены на данных моделирования Geant4 с учетом инструментальных эффектов регистрирующей электроники. Исследована информативность геометрических и энергетических признаков. Наибольший вклад в классификацию вносит расстояние между сегментами, а учет энергий позволяет дополнительно отделять истинные пары от случайных совпадений (сигналов от разных фотонов в разных сегментах, объединенных в одно зарегистрированное событие). Предложенный подход позволяет использовать события с большим числом срабатываний и уменьшает искажения при измерении поляризации гамма-всплесков. Для исследуемой конфигурации детектора улучшение восстановления степени поляризации сохраняется при потоках порядка 10⁻³ эрг/(см²·с).