第1章 事理圖譜概述 1
1.1 事理圖譜的基本概念 1
1.1.1 事理圖譜的定義 1
1.1.2 事理圖譜中事件的定義和表示 2
1.1.3 事理圖譜中的事件關(guān)系類(lèi)型 2
1.1.4 事理圖譜中的事件屬性 4
1.1.5 事理圖譜的形成過(guò)程 4
1.2 事理圖譜與知識(shí)圖譜的區(qū)別與聯(lián)系 5
1.3 事理圖譜的研究意義 7
1.4 國(guó)內(nèi)外典型的事件相關(guān)知識(shí)庫(kù)構(gòu)建項(xiàng)目 8
1.5 事理圖譜的相關(guān)技術(shù) 15
1.5.1 事理圖譜的構(gòu)建 15
1.5.2 事理圖譜的表示學(xué)習(xí) 16
1.6 事理圖譜的質(zhì)量評(píng)估 16
1.6.1 人工評(píng)估 16
1.6.2 自動(dòng)評(píng)估 17
1.7 事理圖譜的應(yīng)用價(jià)值 17
1.8 本章小結(jié) 19
參考文獻(xiàn) 19

第2章 事理知識(shí)表示 21
2.1 知識(shí)表示 21
2.2 經(jīng)典知識(shí)表示方法 23
2.2.1 一階謂詞邏輯 23
2.2.2 產(chǎn)生式規(guī)則 23
2.2.3 框架表示法 23
2.2.4 腳本 24
2.3 語(yǔ)義網(wǎng)中的知識(shí)表示方法 25
2.3.1 XML 26
2.3.2 RDF 28
2.3.3 RDFS 28
2.3.4 OWL 29
2.4 知識(shí)圖譜的知識(shí)表示方法 31
2.4.1 知識(shí)圖譜的圖表示 31
2.4.2 知識(shí)圖譜的分布式表示 32
2.5 事理圖譜的知識(shí)表示方法 36
2.5.1 事理圖譜的圖表示 36
2.5.2 事理圖譜的分布式表示 41
2.5.3 事理圖譜中的事理知識(shí)表示方法 43
2.6 本章小結(jié) 45
參考文獻(xiàn) 46
第3章 事件抽取 48
3.1 任務(wù)概述 48
3.1.1 任務(wù)定義 48
3.1.2 公開(kāi)評(píng)測(cè)和相關(guān)語(yǔ)料資源 50
3.1.3 評(píng)價(jià)方法 52
3.2 限定域事件抽取 53
3.2.1 基于模式匹配的方法 53
3.2.2 基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法 57
3.2.3 基于深度學(xué)習(xí)的方法 61
3.3 開(kāi)放域事件抽取 66
3.4 文檔級(jí)事件抽取 69
3.5 自底向上的事件抽取系統(tǒng)介紹 72
3.6 本章小結(jié) 75
參考文獻(xiàn) 75
第4章 事件模式自動(dòng)歸納 79
4.1 任務(wù)概述 79
4.1.1 模板型事件模式自動(dòng)歸納任務(wù)概述 80
4.1.2 敘述型事件模式自動(dòng)歸納任務(wù)概述 84
4.2 事件模式自動(dòng)歸納方法 87
4.2.1 模板型事件模式自動(dòng)歸納方法 87
4.2.2 敘述型事件模式自動(dòng)歸納方法 89
4.3 相關(guān)任務(wù) 93
4.4 本章小結(jié) 96
參考文獻(xiàn) 96
第5章 事件關(guān)系抽取 100
5.1 事件因果關(guān)系抽取 100
5.1.1 任務(wù)語(yǔ)料與知識(shí)庫(kù) 101
5.1.2 顯式因果關(guān)系抽取 103
5.1.3 隱式因果關(guān)系抽取 106
5.2 事件時(shí)序關(guān)系抽取 107
5.2.1 任務(wù)概述 107
5.2.2 數(shù)據(jù)集簡(jiǎn)介 108
5.2.3 事件時(shí)序關(guān)系抽取方法 109
5.3 子事件關(guān)系抽取 113
5.3.1 任務(wù)概述 113
5.3.2 數(shù)據(jù)集簡(jiǎn)介 114
5.3.3 子事件關(guān)系抽取方法 114
5.4 事件共指關(guān)系抽取 117
5.4.1 任務(wù)概述 117
5.4.2 數(shù)據(jù)集簡(jiǎn)介 118
5.4.3 事件共指關(guān)系抽取方法 119
5.5 本章小結(jié) 121
參考文獻(xiàn) 121
第6章 事件表示學(xué)習(xí) 127
6.1 任務(wù)概述 127
6.1.1 任務(wù)難點(diǎn) 128
6.1.2 任務(wù)評(píng)價(jià) 129
6.2 事件的離散表示 130
6.3 結(jié)構(gòu)化事件的連續(xù)向量表示 132
6.3.1 事件元素的表示方法 133
6.3.2 組合事件元素獲取事件表示的方法 136
6.3.3 事件連續(xù)表示的學(xué)習(xí)方法 140
6.4 基于預(yù)訓(xùn)練語(yǔ)言模型的非結(jié)構(gòu)化事件向量表示方法 145
6.4.1 事件時(shí)間常識(shí)知識(shí)增強(qiáng)的預(yù)訓(xùn)練語(yǔ)言模型 146
6.4.2 動(dòng)詞語(yǔ)用知識(shí)增強(qiáng)的預(yù)訓(xùn)練語(yǔ)言模型 148
6.4.3 事件演化知識(shí)增強(qiáng)的預(yù)訓(xùn)練語(yǔ)言模型 149
6.5 本章小結(jié) 151
參考文獻(xiàn) 151
第7章 事件泛化及事理歸納 154
7.1 任務(wù)概述 154
7.2 主要方法 155
7.2.1 基于統(tǒng)計(jì)的事件泛化方法 155
7.2.2 基于規(guī)則的事件泛化方法 162
7.2.3 基于神經(jīng)網(wǎng)絡(luò)的事件泛化方法 170
7.2.4 自然邏輯與神經(jīng)網(wǎng)絡(luò)相結(jié)合的事件泛化方法 173
7.3 本章小結(jié) 175
參考文獻(xiàn) 175

第8章 事理知識(shí)存儲(chǔ)和檢索 177
8.1 事理圖譜的存儲(chǔ) 177
8.1.1 基于表結(jié)構(gòu)的存儲(chǔ) 177
8.1.2 基于圖結(jié)構(gòu)的存儲(chǔ) 180
8.2 事理圖譜的檢索 182
8.2.1 常見(jiàn)的形式化檢索語(yǔ)言 182
8.2.2 圖檢索技術(shù) 182
8.2.3 圖數(shù)據(jù)庫(kù)與關(guān)系數(shù)據(jù)庫(kù)的特點(diǎn) 183
8.2.4 Cypher查詢(xún)語(yǔ)言 185
8.3 Cypher語(yǔ)句實(shí)踐 185
8.3.1 Neo4j的安裝與使用 186
8.3.2 節(jié)點(diǎn)的創(chuàng)建與檢索 188
8.3.3 節(jié)點(diǎn)的刪除與更新 190
8.3.4 數(shù)據(jù)導(dǎo)入與圖譜導(dǎo)出 192
8.3.5 Neo4j的高級(jí)功能 194
8.4 其他圖數(shù)據(jù)庫(kù) 194
8.5 本章小結(jié) 195
參考文獻(xiàn) 196
第9章 基于事理圖譜的認(rèn)知推理 197
9.1 認(rèn)知系統(tǒng) 198
9.2 基于知識(shí)圖譜的認(rèn)知推理 199
9.3 基于事理圖譜的認(rèn)知推理 201
9.3.1 基于事理圖譜的If-Then類(lèi)型事件推理 202
9.3.2 基于事理圖譜的腳本類(lèi)事件預(yù)測(cè) 204
9.3.3 基于事理圖譜的因果事件推理 208
9.4 基于事理圖譜的文本預(yù)測(cè) 215
9.5 本章小結(jié) 216
參考文獻(xiàn) 217

第10章 基于事理圖譜的應(yīng)用 219
10.1 概述 220
10.2 基于事理知識(shí)的問(wèn)答 221
10.2.1 任務(wù)概述 221
10.2.2 基于事理知識(shí)的問(wèn)答方法 222
10.3 基于事理知識(shí)的對(duì)話(huà) 224
10.3.1 任務(wù)概述 224
10.3.2 基于事理知識(shí)的對(duì)話(huà)方法 227
10.4 基于事理知識(shí)的消費(fèi)意圖挖掘 235
10.4.1 任務(wù)概述 235
10.4.2 基于事理知識(shí)的消費(fèi)意圖挖掘方法 236
10.5 基于事理知識(shí)的股票市場(chǎng)預(yù)測(cè) 239
10.5.1 任務(wù)概述 239
10.5.2 基于事理知識(shí)的股票市場(chǎng)預(yù)測(cè)方法 240
10.6 大語(yǔ)言模型背景下的事理圖譜應(yīng)用 245
10.6.1 事理圖譜如何增強(qiáng)大語(yǔ)言模型應(yīng)用長(zhǎng)尾事理知識(shí)進(jìn)行推理 247
10.6.2 事理圖譜如何增強(qiáng)開(kāi)源大語(yǔ)言模型事理推理能力 248
10.7 本章小結(jié) 249
參考文獻(xiàn) 250