情报与事理图谱的关联逻辑及发展思考
2023-06-23李阳张诗莹盛东方
李阳 张诗莹 盛东方
摘 要:分析情报与事理图谱的关联逻辑并对其未来发展提出若干思考,旨在为事理图谱发展、基于事理图谱的情报服务创新等提供借鉴和启发。文章从信息链知识要素、复杂关系辨识、面向重大事件的服务等角度分析了情报与事理图谱的关联逻辑;提出事理图谱之于情报领域在组织风险管理、事件态势预测、用户行为挖掘等方面的赋能作用;分析了基于事理图谱的情报支持关键流程和方法;从事理图谱技术体系完善与情报应用、开源信息世界的“假关系”与数据治理、基于多模态数据的事理大图与情报图景构建等方面提出若干思考。目前,情报与事理图谱的碰撞已经取得了一定的进展,但仍然存在刻画深度不够、“工程化”等不足,两者应互为支撑、互相促进,进而面向领域搭建出全情报图景。
关键词:情报;事理图谱;知识图谱;情报学;突发事件;事件预测
中图分类号:G350 文献标识码:A DOI:10.11968/tsyqb.1003-6938.2023030
Abstract The paper analyzes the associative logic between intelligence and eventic graph, and proposes some thoughts on its future development, aiming to provide reference and inspiration for the development of eventic graph as well as the innovation of intelligence services based on eventic graph. In this paper, the associative logic of intelligence and eventic graph is analyzed in terms of information chain knowledge elements, complex relationship exploration, and services for major events. Besides the empowering role of eventic graph for intelligence field in organizational risk management, event prediction, and user behavior mining is also explored. Whats more, the key processes and methods of intelligence support based on eventic graph are analyzed. At last, the paper proposes some thoughts on the improvement of eventic graph technical system and intelligence application, data governance for “fake relationships” in open source information world, the construction of eventic graph and intelligence picture based on multimodal data. At present, some progress has been made in the collision of intelligence and eventic graph, but there are also some shortcomings such as insufficient depth of characterization and “engineering”. The two should support and promote each other to build a full intelligence picture oriented to the field.
Key words intelligence; eventic graph; knowledge graph; information science; emergency; event forecasting
1 問题的提出
事理图谱是近几年学术界、工业界等兴起的一个新方向。2022年底,中国计算机学会微信公众号发布术语热词“事理图谱”,将事理图谱(Eventic Graph,EG)定义为一个事理逻辑知识库,旨在描述事件之间的演化规律和模式[1]。实际上,早在2017年,事理图谱的概念就由国内哈尔滨工程大学刘挺教授在中国计算机大会上首次提出,而后事理图谱在各个领域、行业、学科等辐射开来,并掀起一股热潮。
与事理图谱相关的是知识图谱,自2012年谷歌公司将知识图谱用于搜索引擎优化以来,知识图谱领域已经取得了快速的发展,并向各类知识密集型方向延伸。然而,知识图谱主要描述的是实体及其属性和关系,偏向于一种静态型的知识抽取与展现。而事理图谱聚焦的是事理逻辑知识的挖掘,从图结构的角度看,其节点是抽象的事件,有向边表示事件之间的演化关系。事理图谱的主要目的是找出事件之间的因果、顺承、条件等演化关系,进而支持下游的任务和服务,如知识问答、重要信息判别、认知推理、事件预测、知识管理等[2-3]。可以说,事理图谱是一种全新的知识表示形式。
作为对信息技术高度敏感的情报学学科,长期在知识组织、知识管理等领域钻研、扎根和沉淀,自然对知识图谱相关领域发展有着更强的感知意识。近几年来情报学学科开始关注事理图谱这一新技术、新思维对情报分析、情报服务等的影响。从近年来情报学领域相关科研课题就可以看出学科对事理图谱的关注。如国家社科基金方面,有2019年的“基于事理图谱的社会化问答知识组织与服务研究”、2020年的“基于事理图谱的重大突发事件演变机制研究”、2021年的“面向风险治理的突发事件事理图谱构建研究”、2022年的“基于事理图谱的应急情报感知推理与智慧决策研究”以及本研究团队的课题“数智赋能的重大突发事件预测型情报服务机制研究”等。安全情报领域对事理图谱也有关注,如2019年公安部课题“基于事理图谱的案线情报分析技术”等。总体来看,情报学领域已经将事理图谱作为一个重要的技术支点和应用前景,也催生了一些探索性的研究成果,包括知识组织领域[4]、舆情分析领域[5]、突发事件应急情报领域[6]等。当然,事理图谱是一个复杂的系统工程,作为一个“新事物”,其理论基础、技术路径与技术体系等仍然处于发展和完善之中。有鉴于此,本文从情报学角度出发,探讨情报与事理图谱的碰撞、相互影响和互促关系,并对其相关发展提出思考,旨在为事理图谱发展、情报支持与情报服务创新等提供借鉴和启发。
2 情报与事理图谱关联的基本分析
情报与事理图谱之间具有天然的关联和共通性,可以从以下三个方面解释:
首先,事理邏辑知识是信息链中知识要素研究的重要内容。早在1980年,著名情报学家布鲁克斯就提出了“知识地图”的构想,并指出情报学的真正任务应该是组织、加工和整理客观知识[7]。从情报的定义看,情报也被认为是针对特定需求被激活了的知识。一直以来,情报学致力于信息序化、知识组织以及基于信息知识的情报服务;从知识视角看,过去情报学所探索的知识主要来源于文献空间,其中,文献计量范式下的科学知识图谱也一直是情报学研究的重心,在NLP快速发展的影响下,近年来情报学界也逐渐涉猎自然语言处理范式下的知识图谱问题[8]。但总体来看,这种知识主要聚焦于实体、实体属性及其关系的挖掘与分析。而在社会化发展过程中,事件是社会活动的重要表征形式,往往是很多实体的“上维”,在此背景下,围绕事件、事件属性及其关系的事理逻辑知识探究成为传统静态实体知识的有效补充;从情报学的角度看,事理逻辑知识属于信息链知识要素的一部分,是人类社会活动中非常普遍且十分有价值的知识,是认知智能和认知推理的重要因子。作为一种新的知识概念和内容以及一种新的信息组织和知识组织形式,事理图谱自然也就被纳入到情报学的相关研究视野之中。而且,对事件在时间、空间维度上的演化信息进行加工分析,进而形成特定的知识和情报,本身也是情报分析的基本需求以及情报学的重要任务之一。
其次,事理图谱关注事件之间的演化关系和脉络,而对复杂关系的关注和辨识是情报分析与研究的核心关切。从研究维度来看,基于数据的情报分析可以概括为描述性分析、相关性分析、因果性分析、复杂关系分析等,其总体上是一种递进的关系。过去,情报学一直以统计性内容分析、深度性内容分析、影响因素与相关分析、关联分析等为主,随着因果革命的崛起,情报学也开始重视各种因果分析、因果推断的阐释和探索。但从高阶情报的角度来看,优质的情报产品一般需要通过系统性的分析、辨析和论证才能挖掘而出,这就离不开对各种动态复杂关系的梳理、剥离、关联和抽取。在社会运转过程中,事物的发展总是具有联系性,人类命题记忆通过事件来表征,而事件又通过数据或网络信息世界来记录和反映,由此进一步表征出事物发展的内在联系。而对这种全局关系、复合关系、隐性关系、“蛛丝马迹”关系等的探索一直也是情报学在(弱)信号发现、情报预警分析等领域的重要关切。事理图谱所关注的因果关系、顺承关系、转折关系、并发关系、反转关系等及其推理恰恰可以支持情报分析对于复杂关系的探索,拓展了情报学对复杂系统情境下“关系世界”的探索,从逻辑规则角度支持情报推理和“关系情报”的生成,进而有效辅助情报综合研判与决策。
最后,情报学向来关注重大事件和活动,致力于为重大事件的管理决策、预警预测等提供“耳目、尖兵、参谋”服务,这与事理图谱这种以事件为核心的技术体系与“落地服务”不谋而合。著名情报学家包昌火曾指出了情报学界在决策支持层面的“黎明静悄悄”景象,认为“鲜有情报学家对重大事件、威胁和危机的研判、警示、呼唤和谋划”[9]。而后的一段时间,情报学界加大了对重大事件、重大战略的关注度,在《国家安全法》、“南京共识”、“华山情报论坛”等一系列政策和学术会议的影响下,情报学逐渐在国家安全事件、公共安全与突发事件、(网络)舆情事件等领域积极建构话语权。尤其是在新冠肺炎疫情的影响下,情报学继续深化应急情报、健康信息学等相关前沿方向,并取得了不错的学术成就。事理图谱关注到了事件是人类命题记忆的基本存储单位,认为以事件作为知识基本单元来反映客观世界更符合人类的理解和思维习惯[10]。从这个角度看,事理图谱对于事件的重视本质上为情报学更好关注重大事件情报服务提供了一种新路径。事理图谱可以在事件的“过去”与“未来”、“前因”和“后果”之间架起一座桥梁,从厘清事件本质、传导路径等角度实现情报监测、识别、预测和决策支持,这种技术功能和领域快速配置的优势也促使了两者的有机结合。
3 事理图谱在情报领域的应用
基于情报任务以及事理图谱本身的技术特点,促进情报与事理图谱的融合,能够进一步拓展面向领域的知识系统和情报系统建构,进而促进情报服务功能的升级,开拓更多的情报应用空间。
第一,更好支持组织风险管理。VUCA环境和风险社会背景下,组织的发展需要时刻保持危机意识,因此开展风险管理是组织保持可持续发展的必备课。任何风险都表征出一定的风险信号,情报研究的任务之一就是揭示这些信号,为组织提供风险监控与预警。事理图谱与情报分析流程和方法的融合,可以更好刻画出事件发展过程中的可能性异常点、未知风险和潜在危机,支持热点事件或负面风险事件的检测和发现,并厘清相关利益共同体逻辑关系,推动基于风险情报的智能匹配与警示、触发式预警等的实现,由此可以更好服务于组织风险管理。如针对企业舆情风险问题,基于历史数据建构相关企业网络舆情事理图谱,通过一定的事理图谱沉淀和积累,就可以做到系统性的企业网络舆情风险隐患排查。具体而言,就是在企业危机事件发生时能够基于相关的实时数据刻画出相关舆情的风险等级、次生衍生舆情、负面情绪关注主题等内容,以支持企业及时开展风险处置并规避风险,其本质上是一种增强型风险情报服务。
第二,更好支持事件态势预测。预测一直是情报研究的核心任务,当前的预测情报研究正在从定性、定性定量结合向数智化转向。事理图谱着眼于事件的演化逻辑、规律和模式,这种事件传导驱动路径可为事件发展态势提供有效预测。事理图谱与预测情报研究进行融合,可以更好地获悉事件在时间和空间上的可能性演进逻辑。具体而言就是基于三元世界大数据的协同感知获悉事件总体态势情况[11],在此基础上融合事理图谱和知识推理、情报推演相关技术,最终做出相关事件态势预测。如在“平时”构建出某类突发事件的事件本体以及过往事件活动的事理图谱架构体系,在“战时”一旦新事件发生,就可以基于相似度计算、关联推理、情报专家研判等方法进行相关事件趋势的推演和概率预测。需要指出,预测情报研究本身就是融合不确定性环境和具体情境进行的推理,因此,事件态势预测本质上需要结合具体事件的特征以及具体领域、地区等情境特点。如结合普遍性事件传播路径的规律以及特定城市区域特点和季节,就可以计算出相关事件偏向概率,进而做出精准性态势预测。同时,鉴于目前复杂情境下的黑天鹅事件、重大突发事件的链式反应等问题(如新冠肺炎疫情对行业链、产业链以及公众等的影响),基于事理图谱的相关探索能够更好刻画出重大事件的连锁影响,进而从全局角度开展态势预测。
第三,更好支持用户行为挖掘。信息用户一直是情报学关注的焦点,以用户(信息)行为为中心的事理图谱探索是一个可挖掘的新兴方向。一直以来,情报学对用户(信息)行为的关注主要聚焦于问卷数据、访谈数据、眼动追踪数据以及网络数据的挖掘等,解析的多是用户的单一静态行为。事理图谱与用户(信息)行为的结合,本质上就是要从事理角度反应出用户的心理、痕迹、轨迹等的变化,进而基于这种变化来刻画用户(信息)行为。如对用户过往信息行为活动相关数字信息进行事件抽取和复杂关系刻画,可以凝练出其时间序列视角下的行为偏好和行为结构体系,以更好生成融合逻辑层与事实层的用户画像[12],进而识别和预测用户在某一主题事件情境下的可能性行为倾向或路径。不仅仅如此,基于普遍性事件的发展逻辑以及用户自身的行为习惯,再结合相关拓展知识库,可以更好了解用户信息需求和实际需要,为用户在具体事件的行动选择和最终决策推荐相关有用信息和知识。另外,在反恐领域基于事理图谱的用户行为挖掘也可以得到一定的应用,如基于恐怖分子并发、顺承等行为事件的发生(如采购与恐怖活动相关的商品、可疑恐怖分子资金链的非正常流动、网络言论的负面情绪等),就可以提前感知和察觉其行为异常或行为意图,进而有效实施行动干预。
4 基于事理图谱的情报支持关键流程与方法
将情报思维、情报流程与事理图谱进行融合,可构建出基于事理图谱的情报支持路径。需要指出,事理与知识的融合能够更好丰富情报选择路径,即从事件维和实体维双向刻画复杂的知识单元和关系网络,进而实现多维度、多触角的信息关联和知识深度表示。从实践来看,基于事理图谱的情报支持路径也有必要联合知识图谱等相关内容,而不是单一的事件关系展示。其关键流程与方法主要涉及三个模块:描述层、分析层、应用层。
(1)描述层主要定位于多阶段、多主体、多业务情境下的情报对象、情报目标的明确,涉及情报需求建模、不一致性调解、场景解析等。描述层是基础支撑,需要获悉和解析多元主体的情报需求,建立相关情报需求尤其是事理情报需求的识别与表达体系,厘清服务对象的具体业务流程,搭建业务体系与情报信息之间的映射关系,进而基于情报需求和情报业务展开具体的事理图谱构建。
(2)分析层定位于事理图谱模块的建构以及相关知识内容、情报内容的抽取与分析。分析层是整个情报支持路径的核心,其本质上就是要构建出事件维和实体维的知识表示双层逻辑。其中,事件维聚焦事件因果关系、顺承关系、转折关系等事理演化逻辑,实体维聚焦与事件关联的各类实体及其属性,并基于情报任务实现事理图谱和知识图谱的智慧融合。主要内容包括:
①多源数据采集与集成。以物理世界、人类社会、信息空间三元世界大数据为基本理念,运用大数据协同感知、数据探针采集以及相关数据集成技术,汇聚业务数据、网络数据、人际交流数据、学术成果数据、调查报告数据等多源异构数据资源,获悉事件的全情景信息,以支持更广义视角的事理知识图谱构建以及更复杂的社会网络关系描绘和刻画。
②事件抽取与泛化。运用事件抽取、事件关系识别等技术,借用已有或自建语料库进行模型训练,建立起以事件为基本单位的关系网络。同时,考虑以事件作为逻辑基点,运用实体抽取、实体关系识别等技术实现关键实体信息的抽取,并将其融入事件关系网,构建起知识粒度更加丰富的事理知识图谱。有学者提出情报事理图谱的想法,认为可以更多关注具体事件以及事件发生的时间等,以更好地辅助情报判读[13]。从事件泛化的角度看,需要先对重复的事件描述采用共指融合技术实现事件实例的归并,再采用抽象化的、语义完备的谓词短语来泛化融合后的具体事件,以表达更高层次的事件关系。同时,对相关相似的实体知识采用实体对齐、实体链接等技术实现实体实例的融合。这一过程本质上是凝练事件关键信息和知识,实现相似信息的聚敛,发现更高层次的演化规律和路径,同时也可以避免图谱稀疏化。
③情报验证与分析。基于上述事理图谱的基础搭建和关联化的数据信息基础,需要进一步对图谱进行信息穿透、深度解读和评估,面向具体的情报任务,通过协同其它情报分析技术和方法开展情报计算、分析与研判。从情报分析视角看,涉及基于事件关联权重或概率的预测分析、基于相似度计算的事件情报推送、基于事理图谱的全相关关系体系构建、基于时序数据的事件脉络整合与刻画、融入主题和情感分析的事件(网络舆情)内容分析、融合事理图谱与敌人意图的关键情报提取、基于弱信号关联的风险预警、基于事件关系的反事实分析等。需要指出,基于事理图谱的高级情报研判离不开人脑的支持,在上述基础上,考虑融入情报工程思维,将专家智慧纳入到事理图谱的最终分析之中[14],推动数据驱动型事理图谱与专家领域知识的相互印证,最终提升情报服务的科学性。
(3)应用层定位于基于事理图谱的知识发现服务、知识推荐服务、情报监测服务、情报预测服务等场景体系构建与应用,涉及面向不同场景、服务不同用户的各类情报服务产品的生产、传递、评估与反馈等。从情报服务思维出发,着眼于从过去预测未来以及从现在预测未来,推动事理图谱嵌入到大情报系统之中,同时注重相关情报服务机制、情报服务模式的创新。特别指出,随着决策剧场的崛起,事理图谱可考虑与决策剧场进行融合,凸显一体化、沉浸式的事件演化和因果事件链分析和展现,以更好地把控事件发展态势和趋势。
5 情报与事理图谱碰撞的發展思考
5.1 事理图谱有待进一步探索并达成共识,以更好应用于情报领域
事理图谱作为一种新思维、新技术,在学术界、产业界等产生了一定的影响,也开拓了情报事理逻辑的分析维度[15]。同时,事理图谱是一个复杂的系统工程,其理论基础和技术体系目前未能形成广泛共识,基于事理图谱的情报分析机制与数据挖掘效果等也就受到牵连性的影响。
首先,事理图谱的事件是具有一定抽象程度的事件,但目前对于事件定义、事件抽象粒度等方面仍然缺乏共识。如很多事理图谱的事件抽取主要基于“自下而上”方式,强调通过开源大数据、大众事件表达等进行新事件检测和抽取,以获取更多的事件指向,提高事件覆盖率。然而,由于事件界定不明确、事件抽象粒度无法有效控制,后续的事件泛化往往存在混乱,或者被迫加入过多的人工校正因素,其最终的情报生成在全面性、准确性、自动化、可靠性等方面就显得不足。因此,对于事件、抽象事件、事件知识的定义以及动态事件层级体系的构建是未来需要考虑的关键问题。
其次,在事件关系抽取上,目前主要存在基于模式匹配、基于机器学习和深度学习两种路径。前者对于显性关系的抽取具有很好的效果,但过于依赖显性触发词的出现;后者则可拓展到隐性关系的抽取,但比较依赖于训练语料的质量,而目前相关开放性的语料较少,领域标注语料又比较耗时耗力。因此,事件关系抽取语料库的建设,以及事理图谱相关开放数据文化的培育是未来的发展方向。另外,目前事理图谱的构建多聚焦于因果关系和顺承关系,忽视了对条件、上下位等其他关系的探索,且事件关系抽取多局限于句内关系,对跨句、跨篇章的关系抽取把握不够。因此,拓展事件关系的抽取范围以及抽取粒度,以促进更大规模的“关系情报”网构建,是未来需要进一步探索的方向。
最后,针对应用环节的预测情报分析等问题,基于事理图谱的事件预测在关系可信性、因果解释性评估、情境转化上也存在不足。诚然,作为趋势预测,事理图谱所提供的事件之间的逻辑演化关系的确具有一定的指向性参考意义,目前这方面的相关研究主要是通过事件转移概率或权重作为预测特征。而实际上这种特征会受到信息发布者的倾向性、爱好兴趣、议程设置、领域特殊性等因素影响,因此这种预测可能已经受到“前端”干扰,或者未充分考虑领域情境特点,也就难以提供有效且有解释性的预测型情报服务。因此,如何挖掘更多能够有效支持情报分析与预测的事理特征信息,是未来需要考虑的方向。
5.2 开源信息世界中的“假关系”带来情报噪音,数据治理迫在眉睫
在开源信息世界下,事理图谱绝大部分抽取的是一种“常识性”的因果关系、顺承关系等,其数据多源于个体或机构的经验和知识表达,即群体智慧的涌现。目前,群体智慧的重要性已经得到广泛认同[16],与之相关的大众情报思维也反映出这一趋势和理念。如在应急情境下,民众既可能是突发事件现场信息的第一见证人和分享者,也可能是对事件提出相关需求的利益相关者,无论何种情况,通过民众参与的寻求、分享、讨论的交互网络,大众情报也就由此形成,其中蕴含的各种“关系情报”则具有重要的决策支持价值。然而,由于自然语言文本、社交媒体数据发布、网络新词等的自由性、随意性问题,事理图谱数据世界中的真假关系问题有待商榷。换句话说,数据世界中广泛存在的信息失真、数据可信度低、虚假信息、谣言信息等问题,导致事理图谱抽取出的关系存在不确定性、错误性或模糊性,这就影响到了事理图谱的可建模性,从而制造出情报噪音,也就进一步影响到后续的分析和预测准确率。尽管海量数据中不乏存在一些本质性、客观性、事实性的逻辑关系(如官方事故调查报告中的因果语句等),但与海量用户舆情数据相比,“真关系”似乎显得微乎其微。因此,目前的一种方案是在数据源选择中建议采集官方或组织正式发布的新闻、报告等,以保障数据集中可能存在的关系的权威性,而对于与用户、大众层面相关的事理逻辑语句源,则需要保持慎重态度,或在操作中对相关数据集进行深度化的清洗。
特别指出,随着社交机器人的广泛应用,如最新的ChatGPT可能引发的新一轮“信息营销”、虚假信息等[17]问题,开源信息世界中的“真假孙悟空”必然成为一个新的挑战,这种事理图谱中的情报噪音需要通过系统性的数据治理策略和处置方案来予以消解,以建构出真实性的“关系情报”。
5.3 基于多模态数据构建事理大图,推动情报图景构建
目前的事理图谱构建所依托的数据类型主要是文本数据,而随着移动互联网、数据可视化等的发展,事件数据呈现多模态化趋势。从事件刻画的角度看,综合文本、图片、音频、视频等多模态数据,对于全面描绘和分析事件整体态势,进而支持全面化的情报图景构建具有重要意义。如目前新闻网等平台拥有大量的文本型数据和结构化数据,可以支撑相关事理图谱的构建与分析,这也是过去事理图谱主要关注的研究路径,但由于其忽视了多模态数据的信号提示、依赖关系、消岐支持作用等,这种“数据不充分”可能會催生后续情报分析的“盲区”。以短视频为例,随着用户消费内容多样化、快捷化,目前短视频成为最具热度的阅读和传播形态。最新的数据也表明,我国短视频已经成为全民化应用,2022年首次突破10亿,用户使用率高达94.8%[18]。短视频中蕴含着文字、音频、影像等多模态信息,隐藏着大量的公众舆情舆论、事件阐释等信息,具有非常高的开发和研究价值。因此,如何做好事件相关短视频的语音识别、视频分类、长信息片段处理[19],以抽取出更多表征事件演化模式和规律的信息,进而提炼出更多有价值的情报信息,是一个可探索的方向。如对涉外、海外短视频资源的主流舆情事件、观点等进行挖掘与分析,就能够更“贴近式”地获悉相关意识形态、政治、安全等方向的情报信息。除了日常生活情境下的短视频外,从应用领域看,随着监控系统的普及化,各类监控视频记录成为公安视频侦查的重要数据来源,而将事理图谱与监控视频内容解析进行结合,可支持相关刑事案件信息和演化模式的挖掘,为公安侦查办案提供系统且有效的线索、证据和情报支持[20]等。
总体来看,将多(媒体)渠道的多模态数据纳入到事理图谱体系之中,可以构建出更加全面系统的事理大图,进而支持情报图景构建。而情报图景就是可以洞察出对象元问题、本质以及演化规律的东西。当然,相关事理大图的构建需要面对多模态数据分散无序、关联复杂、标准无序、事件定义不确定、表示宽泛等挑战,因此从细粒度角度对其进行解构就显得尤为重要。如确保在多模态数据知识单元的抽取、描述、关联和组织过程中不丧失和打乱原本的事件逻辑关系信息就是一个极大挑战。同时,为了更好实现事件分析的“一网打尽”,应注重从事件背景、事件情感等元素融入丰富多模态数据的语义表示,同时注重深网、暗网的多模态数据资源挖掘与情报分析。而且,多主体之间的资源、数据和情报协同机制,也是“事理大图”与情报图景生成的重要保障。
6 结语
事物的发展总是变化和相互联系的,事件及其关系则是人们认识事物、认知世界的重要途径。本文针对近几年来事理图谱技术的发展以及情报学领域对事理图谱的关注,从关联逻辑、应用拓展、流程方法、发展思考等角度对情报与事理图谱相关问题进行了探究。
正如文章所言,事理图谱本身仍然在发展和完善之中,由此,事理知识是否可以作为更高层次的知识结构进而支持情报服务也有待进一步的探索。而从情报学的角度来看,学科应充分利用自身在数据资源建设、数据治理、情报分析、信息情报行为分析等方面的优势,借事理图谱之刃做好决策主体的“耳目、尖兵、参谋”。同时也可基于相关研究不断丰富学科研究新概念、新范式,推动智能情报分析的实现。唯有两者相互支撑、相互促进,才能相得益彰。尤其是对于持续性事件挖掘、未来事件预测、复杂事件分析之类的话题,有望成为相关方向的突破点。当然,也需要指出,纯粹的基于事理图谱的“工程化”情报服务并不是我们的初心,相关方向仍然面临着诸多挑战和争议,未来仍然长路漫漫!期待更多跨学科之间的学术交流和交叉创新。
*本文系国家社会科学基金一般项目“数智赋能的重大突发公共事件预测型情报服务机制研究”(项目编号:22BTQ051)研究成果之一。
参考文献:
[1] 中国计算机学会.“事理图谱”术语发布[EB/OL].[2023-02-15].https://mp.weixin.qq.com/s/WIFY3sFyIm2RWtSTCks8Bg.
[2] Li Z,Zhao S,Ding X,et al.EEG:Knowledge Base for Event Evolutionary Principles and Patterns[J].Communications in Computer and Information Science,2017(774):40-52.
[3] Li Z,Ding X,Liu T.Constructing narrative event evolutionary graph for Script event prediction[A].IJCAI International Joint Conference on Artificial Intelligence[C].2018:4201-4207.
[4] 张紫祥.基于事理图谱的社会化问答平台知识组织研究[D].武汉:华中师范大学,2020.
[5] 徐海玲.基于事理图谱的多维特征网络舆情演化路径研究[J].情报科学,2022,40(7):48-54.
[6] 张海涛,周红磊,李佳玮,等.信息不完全状态下重大突发事件态势感知研究[J].情报学报,2021,40(9):903-913.
[7] Brookes B C.The foundations of information science:Part I.Philosophical aspects[J].Journal of Information Science,1980(5):125-133.
[8] 中国国防科学技术信息学会.情报学进展2018-2019年度评论(第十三卷)[M].北京:航空工业出版社,2020.
[9] 包昌火.这里的黎明静悄悄——再谈Intelligence与中国情报学[J].图书情报工作,2009,53(8):5-6.
[10] 刘焕勇,薛云志.事理图谱,下一代知识图谱[EB/OL].[2023-02-15].https://mp.weixin.qq.com/s/iLfXeVeWE5CCs_sM_NAOSw.
[11] 李纲,王施运,毛进,等.面向态势感知的国家安全事件图谱构建研究[J].情报学报,2021,40(11):1164-1175.
[12] 邓君,彭琣,孙绍丹,等.基于事理图谱的游记文本知识发现——以康养旅游为例[J].现代情报,2022,42(7):105-113.
[13] 周京艳,刘如,李佳娱,等.情报事理图谱的概念界定与价值分析[J].情报杂志,2018,37(5):31-36,42.
[14] 李阳.面向应急管理的情报工程服务机制建设研究[M].北京:科学出版社,2022.
[15] 刘如,周京艳,李佳娱,等.基于数据科学思维的情报事理逻辑揭示与科学解读[J].情报理论与实践,2018,41(8):22-27.
[16] 安宁,安璐.突发公共卫生事件舆情环境下的群体智慧涌现研究[J].情报学报,2022,41(1):96-106.
[17] 韩博.ChatGPT引发的人工智能内容生产传播风险[N].中国社会科学报,2023-02-16(3).
[18] 央视新闻.我国短视频用户已突破10亿[EB/OL].[2023-03-10].https://wap.bjd.com.cn/news/2023/03/02/10353548.shtml.
[19] 陈瓂浩,王有峰,聂卉梓.突发事件短视频舆情演化分析模型研究[J].信息资源管理学报,2022,12(3):152-164,180.
[20] 樊舒.事理圖谱型视频侦查案例库的构建及应用[J].中国刑警学院报,2022(5):122-128.
作者简介:李阳,男,南京大学信息管理学院副教授,研究方向:应急情报、数据治理;张诗莹,女,南京大学信息管理学院博士研究生,研究方向:事理图谱、数据挖掘;盛东方,女,山东大学管理学院副教授,研究方向:应急信息行为、信息资源管理。