“事理图谱”术语发布

基本简介：

事理图谱是一个事理逻辑知识库，描述了事件之间的演化规律和模式。结构上，事理图谱是一个有向有环图，节点代表事件，有向边代表事件之间的时序、因果、条件和上下位等逻辑关系。理论上，事理图谱中的事件是具有一定抽象程度的泛化事件。这些事件可以表示为抽象、语义完备的谓词性词或词组，也可以表示为可变长度的、结构化的（主体，事件词，客体）多元组。

研究背景：

事件是人类社会的核心概念之一，人们的社会活动往往是事件驱动的。事件之间在时间上相继发生的演化规律和模式是一种十分有价值的知识，挖掘这种事理逻辑知识对认识人类行为和社会发展变化规律非常有意义。然而，当前无论是知识图谱还是语义网络等知识库的核心研究对象都不是事件。尽管传统知识图谱在现代搜索引擎中得到了广泛应用，但是其聚焦于实体和实体之间的关系，缺乏对事理逻辑知识的挖掘。事理逻辑知识，包括事件之间的顺承、因果、条件和上下位等关系，对于人工智能领域的多种任务具有非常巨大的价值。对此，事理图谱旨在将事件的演化规律和模式构建成一个有向图形式的知识库，用于刻画和记录事理逻辑。

研究概况：

当前，围绕事理图谱的相关研究主要包含事件抽取、事理图谱构建以及事理知识的表示学习与推理三个主要方面。

事件抽取指从非结构化文本中识别出事件相关元素（如事件触发词、事件论元等）的过程。事件抽取是后续进行图谱构建的基础。根据目标事件范围的不同，可以将现有的事件抽取方法划分为限定域事件抽取[1, 2]及开放域事件抽取[3,4]两类。而根据事件抽取任务的输入文本粒度的不同，可以将事件抽取方法划分为句子级事件抽取[1,2,3,4]及篇章级事件抽取两类[5,6]。

在事件的基础上，前期已有一系列工作旨在将事件组织起来形成知识库，以描述事件间的关系模式。根据所包含事件抽象程度的不同，可分为关注具体事件间关系的事件图[7,8]，与旨在描述事件间普遍演化模式，以抽象事件为核心的事理图谱[9,10]。根据所关注事件范围的不同，可将上述知识库分为开放域事理知识库，与关注特定领域，如金融领域等的事理知识库[11]。此外，部分工作构造描述特定种类事件间关系的知识库，如因果关系的事理知识库等[12,13]。

事理知识表示学习的目的是将离散的事理图谱转化为分布式的表示，同时使得表示向量能够一方面保留事件节点的语义信息，另一方面保留事件间关系信息。为获得事件语义表示，一系列前期工作利用词向量组合[14]、张量神经网络[15]等方式，建模事件各个元素之间的语义组合，以得到事件表示向量。为丰富事件语义表示，后期工作亦考虑向事件表示中融入事件背景、事件情感等元素[16]。在事件表示的基础上，考虑到事理图谱中，事件间可能存在的不同的拓扑结构，部分工作分别利用孪生神经网络[14]、循环神经网络[18]、图神经网络[9,18]等结构，建模事件对、事件链与事件间可能存在的密集连接结构，以得到事理知识表示，并服务于后续的推理任务。

事理图谱在未来可针对如下方面进行进一步深入研究：（1）事理图谱的本体论；（2）融合多元知识的多模态事理图谱的构建；（3）时态事理图谱的构建与动态更新；（4）融合事理图谱知识的可解释推理方法。 

参考文献：

主任：

刘挺（哈尔滨工业大学）

副主任：

王昊奋（同济大学）

李国良（清华大学）

主任助理：

李一斌（上海海乂知信息科技有限公司）

执行委员：

丁军（上海海乂知信息科技有限公司）

林俊宇（中国科学院信息工程研究所）

兰艳艳（清华大学）

张伟男（哈尔滨工业大学）