雷鋒網(wǎng)AI科技評論按：由中國計算機(jī)學(xué)會（CCF）主辦，福州市人民政府、福州大學(xué)承辦，福建師范大學(xué)、福建工程學(xué)院協(xié)辦的 2017 中國計算機(jī)大會（CNCC 2017）于 10.26—10.28 日在福州?海峽國際會展中心舉辦。大會除了14場特邀報告，還有2場大會主題論壇、40余場學(xué)術(shù)論壇、30余場特色活動以及3個頒獎大會，同期還將有80余家企業(yè)舉辦科技成果展。雷鋒網(wǎng)作為獨(dú)家戰(zhàn)略合作媒體對大會內(nèi)容進(jìn)行了全程覆蓋和報道。

在“知識圖譜預(yù)見社交媒體”的技術(shù)分論壇上，哈爾濱工業(yè)大學(xué)劉挺教授做了題為“從知識圖譜到事理圖譜”的精彩報告。會后雷鋒網(wǎng)征得劉挺教授的同意，回顧和整理了本次報告的精彩內(nèi)容。

劉挺教授

劉挺教授的報告內(nèi)容分為四部分：知識圖譜與《大詞林》；事理圖譜概念的提出；事理圖譜國內(nèi)外相關(guān)工作；哈工大在事理圖譜方面的探索。

知識圖譜與《大詞林》

知識圖譜最早是通過人工搜集數(shù)據(jù)和標(biāo)注數(shù)據(jù)來構(gòu)建的，隨著需求的多樣化和精細(xì)化（例如，需要獲得“XX疾病是否可以被XX藥物治療”，“XX人和XX人之間是否是敵人/朋友”等信息），人工構(gòu)建的知識圖譜越發(fā)難以滿足用戶多種多樣的需求?；诖?，如何由機(jī)器去自動構(gòu)建大規(guī)模的知識圖譜已經(jīng)發(fā)展成為熱門的研究點。

知識圖譜，是基于二元關(guān)系的知識庫，用以描述現(xiàn)實世界中的實體(或概念，概念是實體的抽象，例如“水果”即為“蘋果”的概念)及其相互關(guān)系，其基本組成單位是『實體-關(guān)系-實體』三元組（triplet），實體之間通過關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀結(jié)構(gòu)。通過知識圖譜，可以支持用戶按主題而不是按字符串檢索，從而真正地實現(xiàn)在語義層面上進(jìn)行信息檢索?；谥R圖譜的搜索引擎，能夠直接向用戶反饋結(jié)構(gòu)化的知識，用戶不必瀏覽大量網(wǎng)頁，就可以找到自己想要獲得的知識。

封閉域知識圖譜和開放域知識圖譜各有優(yōu)劣

2014年年末，哈工大正式發(fā)布《大詞林》。現(xiàn)在只需在瀏覽器中鍵入www.bigcilin.com，即可訪問《大詞林》。《大詞林》是一種自動從網(wǎng)絡(luò)中爬取實體及實體的概念以形成基于上下位關(guān)系的通用知識圖譜。這意味著，如果用戶輸入的詞語不被《大詞林》所包含，《大詞林》即會實時地到互聯(lián)網(wǎng)上去搜索，以自動挖掘該詞語的上位概念詞，并將這些上位概念詞整理為層次結(jié)構(gòu)。比如輸入“林肯”，《大詞林》就會根據(jù)“林肯”在網(wǎng)絡(luò)中出現(xiàn)的語義信息，自動挖掘出“林肯”所具有的多個概念，例如“汽車”、“總統(tǒng)”、“交通工具”、“領(lǐng)袖”等，然后再根據(jù)這些概念的抽象程度，將這些概念刻畫為層次結(jié)構(gòu)。例如“領(lǐng)袖”相對于“總統(tǒng)”更加抽象，在圖中“領(lǐng)袖”的層次就比“總統(tǒng)”更高。

上圖左側(cè)為《大詞林》層次目錄的一部分，其骨架是《同義詞詞林（擴(kuò)展版）》。《大詞林》選擇《同義詞詞林（擴(kuò)展版）》作為骨架的原因在于：經(jīng)過反復(fù)的探討，劉挺教授帶領(lǐng)的團(tuán)隊認(rèn)為詞匯應(yīng)具有兩種類型，一種是“實體”與真實的事物相對應(yīng)，比如具體的人名、地名、機(jī)構(gòu)名；另一種是“概念”，是“實體”的抽象含義，比如“植物”、“水果”等。實體之間具有明顯的橫向關(guān)系，而“實體”和“概念”、“概念”和“概念”之間具有明顯的層次關(guān)系，因此詞匯之間應(yīng)具有由橫向關(guān)系和縱向關(guān)系所形成的網(wǎng)狀結(jié)構(gòu)。基于此，劉挺教授帶領(lǐng)的團(tuán)隊將《同義詞詞林（擴(kuò)展版）》作為《大詞林》層次（縱向）關(guān)系構(gòu)建的骨架。

這里簡單介紹一下作為《大詞林》的骨架-《同義詞詞林（擴(kuò)展版）》存在的問題。《同義詞詞林》的第一個問題是僅具有固定的5層結(jié)構(gòu)，但面對千萬級乃至億萬級規(guī)模多領(lǐng)域、多樣性的詞匯，固定的結(jié)構(gòu)顯然無法對其進(jìn)行有效描述；第二個問題是《同義詞詞林（擴(kuò)展版）》包含的詞語數(shù)目非常有限，且大部分為抽象的概念，其規(guī)模不到十萬詞，顯然不適合實際應(yīng)用。基于此，劉挺教授帶領(lǐng)的團(tuán)隊決心打破《同義詞詞林（擴(kuò)展版）》的上述限制，從而形成了現(xiàn)在的《大詞林》。首先，《大詞林》的層數(shù)是不固定的，其根據(jù)詞語的抽象程度自動進(jìn)行層次化；其次，《大詞林》中包含了很多具體的實體（例如人名、地名、機(jī)構(gòu)名），其規(guī)模是《同義詞詞林（擴(kuò)展版）》的數(shù)百倍，并且還在不斷的擴(kuò)充。

《大詞林》的特點在于能夠從多種信息源中自動地構(gòu)造詞匯和詞匯的上下位關(guān)系。這是劉挺教授帶領(lǐng)的團(tuán)隊中一名博士生發(fā)表的一篇ACL會議論文（該會議是自然語言處理領(lǐng)域的頂級會議，被計算機(jī)學(xué)會評定為Rank A），這篇論文詳細(xì)地展示了如何自動的從多信息源里獲取實體概念詞的技術(shù)框架。

簡單來說，獲取概念詞的來源主要有三個，1）搜索引擎中檢索得到的高概率的同現(xiàn)詞，2）在線百科的類別標(biāo)簽3）詞語的構(gòu)詞法，對于很多詞，其后綴即為該詞的概念詞，例如像微軟公司的公司就是微軟公司這個實體的概念詞。之后，采用排序算法對獲取得到的這些候選概念詞進(jìn)行打分，然后截取超過一定閾值的候選概念詞保留到《大詞林》中。

上面的方法僅僅獲取了針對某個詞語的概念詞，如左圖所示。但是，概念詞之間是有明顯的層次關(guān)系的，如右圖所示，而《大詞林》的特殊之處就在于能夠自動形成概念詞之間的層次結(jié)構(gòu)?；谏鲜龅奶幚矸桨?，從《同義詞詞林（擴(kuò)展版）》的十萬詞出發(fā)，現(xiàn)在的《大詞林》已經(jīng)成為一個具有千萬級詞匯量級的知識圖譜，并且其規(guī)模每天都在不斷的增長。

由于《大詞林》是自動構(gòu)建的，因此需要對其質(zhì)量做一個評估，以判別《大詞林》中是不是包含了很多的錯誤，到底可不可以實用。劉挺教授帶領(lǐng)的團(tuán)隊對《大詞林》做過抽樣評估。結(jié)果顯示，針對某個詞語，找到其概念詞的準(zhǔn)確率為85%，詞語之間的上下位關(guān)系識別的準(zhǔn)確率為90%。

相比于其他知識圖譜，《大詞林》主要專注于語言學(xué)中詞匯的上下位關(guān)系的自動構(gòu)建，是一種語言的知識圖譜。當(dāng)然，目前劉挺教授帶領(lǐng)的團(tuán)隊也著手在《大詞林》中引入橫向關(guān)系，相信不久的將來就能看見更加全面的《大詞林》。

事理圖譜概念的提出

關(guān)于事理圖譜?，F(xiàn)有的知識庫普遍是以“概念及概念間的關(guān)系”為核心的，缺乏對“事理邏輯”知識的挖掘。劉挺教授團(tuán)隊認(rèn)為在實際應(yīng)用中，事理邏輯（事件之間的演化規(guī)律與模式）是一種非常有價值的常識知識，挖掘這種知識對我們認(rèn)識人類行為和社會發(fā)展變化規(guī)律非常有意義。舉個經(jīng)典例子，北京人買房子，買完房子下一步就是裝修，裝修完了就會買家具，如果在網(wǎng)上發(fā)現(xiàn)有人發(fā)微博說他買房子了，裝修公司就可以跟上去做廣告，這就是一種預(yù)測。事理圖譜并不是以名詞為核心節(jié)點的知識庫，而是以事件而且是抽象類事件為核心的事理邏輯知識庫。舉個例子，國家領(lǐng)導(dǎo)人訪問另一個國家，這就是一個抽象事件。劉挺教授的團(tuán)隊三年前就提出了事理圖譜的概念。

事理圖譜只定義兩種事件間關(guān)系：一種順承，一種因果，這兩種關(guān)系都有時間順序。本質(zhì)上事理圖譜是一個事理邏輯知識庫，描述了事件之間的演化規(guī)律和模式，可以應(yīng)用在生活中的很多方面，比如事件預(yù)測 ，常識推理，消費(fèi)意圖挖掘，對話生成等等。

事理圖譜與知識圖譜的區(qū)別，知識圖譜研究對象為名詞性實體及其關(guān)系，事理圖譜研究對象是謂詞性事件及其關(guān)系。知識圖譜主要知識形式是實體屬性和關(guān)系，事理圖譜則是事理邏輯關(guān)系以及概率轉(zhuǎn)移信息。事件間的演化關(guān)系多數(shù)是不確定的，而實體之間的關(guān)系基本是穩(wěn)定的。

事理圖譜中的事件定義。事理圖譜中的事件是一個泛化的抽象的事件，比如吃火鍋，去機(jī)場 ，看電影都可以，但要是說非常的具體，某年某月干了什么，這就不是事理圖譜中存儲的知識。但也不能太抽象，比如，去地方，做事情，也不是事理圖譜中存儲的知識。事件間的關(guān)系就兩種，一種順承關(guān)系，吃飯，買單，離開餐館，這就是很常見的事件順承關(guān)系。還有就是因果關(guān)系，我們認(rèn)為因果關(guān)系是非常重要的，只有因果關(guān)系建立了，才能通過控制因變量去影響結(jié)果。

事理圖譜有3種典型的拓?fù)浣Y(jié)構(gòu)， 第一種是鏈狀，順承關(guān)系為典型代表。第二種是樹狀，這其中有一種事件是心理事件，打算去做某事，并不是真做了；第三種是環(huán)狀，以打架報復(fù)住院為例，循環(huán)往復(fù)。

事理圖譜國內(nèi)外相關(guān)工作

與事理圖譜最相關(guān)的兩個研究方向是統(tǒng)計腳本學(xué)習(xí)和事件關(guān)系識別。統(tǒng)計腳本學(xué)習(xí)是與事理圖譜非常接近的一個研究領(lǐng)域。1975年，美國學(xué)者Schank提出腳本概念；2003年，日本學(xué)者提出自動獲取腳本的方法；2008年，Dan Jurafsky利用無監(jiān)督的方法構(gòu)建事件鏈，成為該方向一個具有代表性的先驅(qū)工作。2014至今，統(tǒng)計腳本相關(guān)研究工作進(jìn)入了復(fù)蘇和發(fā)展階段。

除此之外，還有一條技術(shù)路線是事件間關(guān)系（時序和因果）識別。

哈工大在事理圖譜的研究

哈工大主要在兩個領(lǐng)域進(jìn)行了事理圖譜探索性的工作，一方面是出行領(lǐng)域事理圖譜的構(gòu)建和應(yīng)用；另一方面是金融領(lǐng)域事理圖譜的構(gòu)建和應(yīng)用。

出行事理圖譜的潛在應(yīng)用

出行領(lǐng)域更多是順承關(guān)系，其構(gòu)建過程包括數(shù)據(jù)清洗、NLP預(yù)處理、事件抽取和泛化、生成候選事件對、順承關(guān)系識別、順承方向識別。

第二個是金融領(lǐng)域事理圖譜。

可將金融領(lǐng)域事理圖譜應(yīng)用于股市預(yù)測當(dāng)中。

從知識圖譜到事理圖譜的總結(jié)

劉挺教授的總結(jié)：知識圖譜在各個領(lǐng)域精耕細(xì)作，逐漸顯露價值，但知識表示形式有待突破，推理能力有待提高。統(tǒng)計腳本學(xué)習(xí)和事件關(guān)系識別等事理圖譜相關(guān)研究越來越吸引研究者的關(guān)注。以“謂詞性短語”為節(jié)點，以事件演化（順承、因果）為邊的事理圖譜方興未艾。事理圖譜必將在預(yù)測、對話等領(lǐng)域發(fā)揮重要作用，有力地提升人工智能系統(tǒng)的可解釋性。

最后劉挺教授向他的合作者，哈工大社會計算與信息檢索研究中心的秦兵教授、劉銘副教授、丁效老師，以及博士生趙森棟、李忠陽、姜天文表示感謝。

以上內(nèi)容為劉挺教授在CNCC 2017 [ 知識圖譜遇見社交媒體 ] 論壇上的精彩報告，雷鋒網(wǎng)獲其獨(dú)家授權(quán)整理。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。