王先传，彭 亮，郭 伟，魏 澳

（阜阳师范大学 计算机与信息工程学院，安徽 阜阳 236037）

随着互联网的发展，关于客观世界中发生事件的资讯大量地涌现在各种媒体上，如何及时、合理、准确地处理并分析这些海量事件成为研究人员普遍关注的问题。知识图谱将互联网上庞大的知识资源以信息的形式组织在一起，组成了巨大的结构化语义网络系统[1-3]，已经演变成一个数据爆炸增长时代下的基础设施。知识图谱关注的是实体以及各实体之间的关系，采用三元组的形式描述实体以及各实体之间的关系，并以图结构的形式对其进行可视化，知识图谱的应用也越来越受到学术界和实业界的广泛关注。

事件是客观存在的，是人类认识和理解现实世界的基本单元[4]。越来越多的研究人员已经认同，人类是以事件为单元进行思维活动的这一观点。实体是静态的，事件是动态的，是比实体粒度更大的知识表示单元，包含的语义知识更丰富。文章以中文突发事件语料库为基础，以事件作为知识表示的基本单元，从语料库中抽取出标注事件的动作、时间、环境、对象以及事件关系等语义信息，然后采用图结构的形式，将事件作为图的结点，事件关系作为边，构建事件知识图谱，并使用Echarts对构建的事件知识图谱进行可视化。最后在事件知识图谱的基础上，进行了事件缺省要素补全的应用研究，以期望为面向事件的理论和应用研究提供理论和技术支持。

1 相关研究

1.1 事件

事件源于认知科学，目前，各领域对于事件的认识还没有达成一致。哲学领域中的学者认为事件是物质世界的具体事实，它随着时间而变化[4]。在语言学领域中，一些学者从事件的语法视角研究事件结构，他们认为事件语义的主要内容是基础谓词，从语义和句法角度，使用句法树解析和表示事件语义信息[5]。在信息和人工智能领域中，主要研究事件结构、事件推理、事件识别和抽取以及事件关系识别和抽取等。

自动内容抽取(automatic content extraction，ACE)评测会议[6]采用状态改变描述事件，将事件分为许多不同的种类，认为事件是有对象参与的，具有时间和空间特征。话题识别与跟踪（topic detection and tracking，TDT）评测会议[7]认为事件是在某个特定的时间、地点中发生的事情，认为事件是经过细化的主题。在三大评测会议：TDT、ACE和MUC（message understanding conference）消息理解会议的基础上，一些学者开展了事件识别和抽取等方面的研究工[8]。目前，模式匹配方法、机器学习方法以及两者相结合的方法是事件识别与抽取的主要方法[9-10]。

同时，一些研究人员将事件作为知识表示的基本单元，在应用方面也开展了一些研究工作。

文献[11]采用无向和有向的网络对文本语义信息进行表示，该网络以事件作为结点，事件之间的共现关系、因果关系等作为边。文献[12]证明了这样的事件网络具有小世界的特点，以此为基础，进行了事件网络中知识约简与匹配方面的研究工作[11-13]。文献[14-15]从事件的角度，进行了中文新闻文本自动摘要的研究，文献[16]对新闻文本中事件多要素信息检索方法进行了研究。

1.2 知识图谱

知识图谱（knowledge graph）[17]概念最初是在2012年由谷歌公司提出，利用图形表示知识发展过程与知识组织之间的关系，用可视化的方法直观地表示了知识资源及其载体。目前，现有的大规模开源知识图谱[18-19]，如YAGO、Freebase、Wikidata、DBpedia、NELL、百度知心和知立方等，主要是在百科知识和领域知识的基础上构建的。

从某种意义上说，传统模式的知识图谱与关系类型固定，在一定程度上难以满足事件的多样化描述信息，因此亟需以事件为中心结合语义特征构建事件知识图谱。为了更好地描述事件信息，从而衍生出了事件知识图谱的概念。事件知识图谱[20]中的知识来源于客观世界中的事件以及事件关系，其构建主要是针对特定领域中的事件知识。文献[21]构建了网络社区事件的知识图谱，实验表明，该模型在数据集和实际应用方面都取得了良好的效果。文献[22]研究了事件知识图谱的构建，主要包括事件抽取、事件关系抽取和事件知识表示，并介绍了事件知识图谱在智能问答、决策支持和精准营销等方面的应用。随着机器学习技术的快速发展和计算能力的不断提高，神经网络技术已被应用于构建知识图谱之中，并取得了一定的效果，很大程度上促进了知识图谱的构建和应用。

2 构建事件知识图谱

2.1 CEC语料库

CEC（chinese event corpus）语料库最初是上海大学的刘宗田团队标注构建的，经过后期的优化标注，目前已形成了CEC 2.0版本的语料库[23]。在CEC 2.0中，采用XML语言，标注出了事件的动作、对象、环境和时间要素以及事件之间的关系等语义信息。经过多次扩充标注，目前，CEC 2.0中标注的事件语义信息数量如表1所示。

2.2 基于语料库的事件抽取

这里的事件抽取是指从CEC 2.0语料库中抽取中已标注好的事件的语义信息，包括事件的动作、对象、时间和环境等语义信息。根据XML语言的特征，使用Python程序设计语言从语料库中抽取事件的具体过程如下：

表1 扩充后的CEC2.0中事件语义信息

Step 1：遍历文件夹下的所有文件；

Step 2：获取文档的根节点元素，寻找到其子节点Event;

Step 3：遍历Event节点下的所有子节点，并抽取相应的语义角色和内容；

Step 4：保存从语料库中抽取事件语义信息；

Step 5：结束。

在Step 3中，首先判断事件的要素是否存在，如果存在，则抽取出来，如果不存在，则将相应的内容暂时设置为NULL。

2.3 基于语料库的事件关系抽取

在CEC 2.0语料库中，每个文本中的事件关系已经使用XML语言进行了标注，主要标注了事件之间的因果（Causal）、跟随（Follow）、并发（Accompany）等关系。

使用Python程序设计语言抽取事件关系的具体步骤如下：

Step 1：遍历文件夹下的所有文件；

Step 2：获取文档的根节点元素，寻找到其子节点eRelation；

Step 3：抽取节点eRelation中两个事件的eid以及两事件之间的关系类型；

Step 4：根据抽取的eid信息，在3.2节中抽取的事件中查找对应的事件名称

Step 5：保存从语料库中抽取的事件关系语义信息；

Step 6：结束。

2.4 事件图谱的可视化

本文使用Echarts对事件知识图谱进行可视化。Echarts是一款纯JavaScript的商业级数据图表库，底层依赖叫做ZRender轻量级的矢量图形库，可以兼容主流的浏览器，可以为用户提供满足个性化定制、直观生动、可交互的数据可视化图表，拖拽重计算、数据视图、值域漫游等特性可以使可视化后的事件知识图谱更加直观。

根据上述抽取的事件语义信息以及事件关系，同时为了可视化的运用，把解析出的文件转换成为Json文件来进行事件知识图谱的可视化，具体过程如下：

Step 1：根据事件的主题对事件进行分类；

Step 2：使用数组存储每个事件的语义信息，并使用圆点表示事件，方框表示事件要素，可视化抽取的事件；

Step 3：根据抽取的事件关系，以事件作为节点，事件与事件之间的关系作为边，使用Eharts，连接有关系的两个事件，并在边上注明事件关系类型；

Step 4：连接所有抽取事件关系中对应事件；

Step5：结束。

从CEC 2.0语料库中随机选择一篇新闻文本，采用上述方法抽取事件的动作、对象、环境、时间以及事件与事件之间关系等语义信息，可视化后的事件知识图谱如图1。

图1 事件知识图谱可视化示例

3 事件缺省信息补全

事件的动作、时间、环境和对象要素是客观存在的。人们在描述客观世界中发生的事件时，因自身的语言、知识背景和习惯的不同，针对同一个事件，通常会有不同的描述形式。比如，在一篇新闻文本中，通常在开始部分说明清楚事件发生的环境和时间、在后面的部分中，如果环境和时间相同，则不再进行同样的描述。这样在一篇新闻文本中，有些事件的环境和时间是缺省的，同样地，有些事件的对象要素也是缺省的。对于人类来说，这种缺省的事件知识可能不会影响到正常的交流沟通，但对于计算机来说，它们却是不可或缺的。下面介绍基于构建的事件知识图谱，对这些缺省的事件语义信息进行补全。

(1)事件语义信息补全背景知识

构建的事件知识图谱，包括事件的各要素、事件与事件之间的关系等语义知识。

(2)补全规则

具体的补全规则（部分）如表2所示。

(3)基于事件知识图谱的事件缺省信息补全算法

Input：事件e的动作要素

Output：事件e的缺省要素

Step 1：以需要补全信息的事件e的动作要素为关键词，采用广度遍历的方式，在事件知识图谱中检索该事件，如果存在，则转Step 2，否则，转Step 4；

Step 2：以该事件节点为入度，在事件知识图谱中，检索与该事件有关系的事件，如果存在，则转Step 3，否则，转Step 4；

Step 3：根据表2中的规则优先级，使用相应规则对事件e缺省的要素信息进行补全；

Step 4：结束。

表2 事件缺省要素补全规则（部分）

(4)事件缺省要素补全实例

下面以图1构建的事件知识图谱为例，具体的介绍事件缺省要素信息的补全。

如图1，在这一事件知识图谱中，有3个地震事件，通过语料库中的文本可知，它们是同一个地震事件，但因人们的知识、描述习惯等方面的不同，这三个地震事件的对象要素都是缺省的，因为在人们已掌握的知识中，已经知道地震是地壳的一种振动，当描述地震时，对象要素作为背景知识存在，不再具体说明。其中2个地震事件的时间要素是缺省的，其中1个地震的环境要素、时间要素是缺省的。

首先，以地震作为关键词，在图1所示的知识图谱中进行检索，可以检索到3个地震事件，假设选择缺省要素最多的一个为e3。

其次，以该事件结点为入度，继续检索，则检索到另外两个事件e1和e2，这里假设选择缺省要素最少的一个e1作为e3缺省要素补全的知识源。

最后，使用表2中的规则1，可以得到e3的环境要素和时间要素与e1的环境要素和时间要素相同，并对e3的缺省要素进行补全。

对另外一个地震时间，可采用同样的方法得到其时间要素也与e1的时间要素相同，并对其进行补全。采用上述方法，分别对其余事件的缺省要素进行了补全，补全后的事件知识图谱如图2。

图2 补全缺省要素后的事件知识图谱

4 小结

事件是动态的，事件知识图谱能够反映出客观世界中事件的动态发展过程，本文在中文突发事件语料库CEC 2.0的基础上，首先使用Python程序设计语言对语料库中标注的新闻文本进行解析，抽取事件的动作、对象、环境、事件等要素以及事件与事件之间的关系等语义信息，然后使用Echarts实现了事件知识图谱可视化，最后在构建的事件知识图谱的基础上，采用基于规则的方法，对缺省的事件要素信息进行了补全，并通过具体的示例进行了验证，结果表明，基于语料库的事件知识图谱方法构建是可行的。在后续的研究中，计划进一步丰富事件知识图谱中的语义知识，并在其基础上，进一步开展面向事件的自动问答，知识推理等方面的应用。