知識圖譜與事件類圖譜

知識圖譜與事件類圖譜

一、知識圖譜發(fā)展三個周期

      知識圖譜，從2012年谷歌正式將這一概念應(yīng)用到工業(yè)界之后，到現(xiàn)在已經(jīng)逐步走過了將近7年的時間，在這七年的時間里，知識圖譜逐步經(jīng)歷了從概念興起、概念泛化、技術(shù)掙扎與落地尷尬三個環(huán)節(jié)。

1、  知識圖譜的概念興起——起于谷歌，興于搜索

      知識圖譜，真正以一種新鮮事物進(jìn)入公眾視野的時間大概是谷歌于2012年提出的knowledge graph，國內(nèi)學(xué)者直接意譯為“知識圖譜”。（當(dāng)然之前有科學(xué)知識圖譜、語義網(wǎng)，不在此文討論范圍之內(nèi)）。從字面意義上來說，知識圖譜的核心包括兩個，一個是knowledge，另一個是graph。Knowledge充當(dāng)?shù)氖菙?shù)據(jù)的類型角色，所刻畫和描述的數(shù)據(jù)被稱作是知識，graph充當(dāng)?shù)氖菙?shù)據(jù)組織和存儲結(jié)構(gòu)的角色，即圖結(jié)構(gòu)。數(shù)據(jù)這個點(diǎn)決定了知識圖譜所能涵蓋和刻畫的領(lǐng)域和范圍，圖結(jié)構(gòu)決定了數(shù)據(jù)的使用方式和應(yīng)用方向。

       2012年，谷歌首先拋出了知識圖譜這個概念，并將其應(yīng)用于提升搜索服務(wù)，在搜索效果上的直觀體現(xiàn)主要還是集中于實(shí)體級別的搜索，通過內(nèi)部實(shí)體之間的關(guān)聯(lián)信息以及實(shí)體的屬性等信息，在用戶在進(jìn)行實(shí)體搜索時，通過關(guān)聯(lián)查詢，以知識卡片的形式同時提供實(shí)體本身以及關(guān)聯(lián)實(shí)體的信息，從而在給出什么是什么的情況下，再一度地給出此外還有什么的問題。簡單的來說，這種搜索體驗(yàn)大致可以歸為2點(diǎn)，一是搜索結(jié)果的目的簡潔性，是一個實(shí)體或者實(shí)體屬性，形式上更為確定，而非一個網(wǎng)頁。而是搜索結(jié)果的上下文擴(kuò)展，這里所說的上下文指的是實(shí)體的關(guān)聯(lián)信息，這些關(guān)聯(lián)信息能夠在讓用戶知道多一點(diǎn)的情況下可進(jìn)一步提升用戶的點(diǎn)擊興趣。事實(shí)證明，谷歌這一做法是奏效的，新的搜索方式引領(lǐng)了一步新的潮流，并且隨后被國內(nèi)外同行爭相跟進(jìn)，如yahoo,Microsoft,facebook，百度，搜狗，阿里巴巴先后提出了自己的知識圖譜并快速產(chǎn)品化。這類產(chǎn)品主要還是集中于搜索領(lǐng)域，歸結(jié)的來說，即知識圖譜起于谷歌，興于搜索。

2、  知識圖譜概念的泛化——雖有嘗試，亦存跟風(fēng)

       當(dāng)知識圖譜起于谷歌，興于搜索之后，借著搜索的東風(fēng)以及搜索本身作為一種信息傳播的工具，知識圖譜這一概念開始經(jīng)歷第二個時期，即快速傳播時期。主要傳播的方式包括三個途徑，一種是文字上的傳播，關(guān)于大量知識圖譜的報(bào)道，軟文介紹在互聯(lián)網(wǎng)上大規(guī)模傳播，“知識圖譜”、“knowledge graph”等關(guān)鍵詞充斥于各個技術(shù)文章當(dāng)中。二是視覺上的傳播，“兩個圓圈一條邊，邊上幾個文字懸”的知識圖譜形象化展示圖片被大量生產(chǎn)出來，這似乎固化了知識圖譜在大眾心目中的物化形象，即知識圖譜就是一張網(wǎng)，就是網(wǎng)中的可視化。三是聽覺上的傳播，如ccks為主要代表的會議，線上以及線下知識圖譜講座、課程使得“zhi shi tu pu”這個名詞在人群中廣為傳播。這三種方式一同發(fā)力，直接將知識圖譜這一概念的流行度推向高峰。而一旦一個名詞性概念被廣為流傳和熟知之后，如ai一般，知識圖譜恐怕難逃“知識圖譜+”這樣的命運(yùn)，這里的“知識圖譜+”與“互聯(lián)網(wǎng)+”以及“ai+”一樣，成為互聯(lián)網(wǎng)創(chuàng)業(yè)中的基本標(biāo)配，越來越多的項(xiàng)目向知識圖譜靠攏，形式上，知識圖譜在各個領(lǐng)域的快速應(yīng)用，醫(yī)療知識圖譜、法律知識圖譜、食品知識圖譜、農(nóng)業(yè)知識圖譜、金融知識圖譜、產(chǎn)業(yè)鏈知識圖譜、教育知識圖譜等等，如雨后春筍般涌現(xiàn)。這些知識圖譜的大量出現(xiàn)，歸結(jié)的來說，雖有嘗試，亦存跟風(fēng)。知識圖譜可以作為一個技術(shù)本身而存在，而不同的業(yè)務(wù)場景，不同的需求是否真正需要使用知識圖譜從而完成所需目標(biāo)就另當(dāng)別論了。

3、  知識圖譜概念的落地——躊躇滿志，艱難不止

      當(dāng)一個新鮮事物被廣為流傳之時，即到達(dá)了一個頂峰之后，就必然不能停留在想象之中，想象中，很不同，與現(xiàn)實(shí)場景有很大不同，即現(xiàn)實(shí)場景下，就到了概念到實(shí)際應(yīng)用的轉(zhuǎn)化了。說到這，自然而然就要說到知識圖譜本身的技術(shù)問題了。第一節(jié)說到，知識圖譜核心包括數(shù)據(jù)-知識，結(jié)構(gòu)-圖譜，數(shù)據(jù)是最為重要的一點(diǎn)，目前運(yùn)用數(shù)據(jù)進(jìn)行產(chǎn)品研發(fā)和應(yīng)用落地的重要前提就是數(shù)據(jù)的靠譜性，所謂的數(shù)據(jù)靠譜，主要體現(xiàn)在知識的準(zhǔn)確性、實(shí)時性以及小眾性三個方面。其中準(zhǔn)確性是首要前提，錯誤的數(shù)據(jù)會導(dǎo)致錯誤的結(jié)論；實(shí)時性主要是尊重知識的客觀屬性，即動態(tài)性，社會是不斷動態(tài)變化的，知識是不斷動態(tài)實(shí)時更新的，舊的落后的數(shù)據(jù)無法保持得到的結(jié)論是可靠的；小眾性主要是從知識的價值大小來說，“物以希為貴”這條定理很好的說明了這個問題，大眾的知識是你有我有全都有的知識，這大眾已知的知識對于后期的應(yīng)用以及公司的競爭力來說，沒有太大的意義。而如法律知識、軍事知識、交易數(shù)據(jù)等私密或者只有少部分人能夠獲取的知識，才真正大有可為。因此，要真正意義上把握這三點(diǎn)，將知識圖譜做好，其實(shí)是個“躊躇滿志，艱難不止”的事情。在知識圖本身技術(shù)上的局限性，從知識抽取-知識融合-知識更新這一長條知識工程pipeline上，知識圖譜這一塊的骨頭可謂是相當(dāng)難啃。

 

二、從實(shí)體到事件

       當(dāng)知識圖譜作為一項(xiàng)技術(shù)和名詞性概念進(jìn)行發(fā)展之時，新的變體就會必然出現(xiàn)。知識圖譜的基本組成單位，<實(shí)體，實(shí)體關(guān)系，實(shí)體>中，我們進(jìn)行成分替換之后可以得到多種不同的類型，例如，我們將實(shí)體單位換成是一個事件，實(shí)體之間的關(guān)系換成是事件的關(guān)系，那么就可以得到以“事件”為核心的event knowledge graph。然而，目前關(guān)于event knowledge graph，概念不統(tǒng)一，因此，接下來可以展開論述。概念不統(tǒng)一，本質(zhì)在于對event knowledge的界定不同，什么是事件知識，而事件又是什么？本身關(guān)于事件(event)的界定都不明確。目前關(guān)于事件的界定有很多，如目前ACE、TDT、chambers在做narrative event chain或者scripts中的事件，這些事件都給出了不同的解釋。而從計(jì)算機(jī)處理事件來說，應(yīng)該從以下幾個方面去考慮一個事件：

1、事件的外部表示界定

     知識圖譜中的實(shí)體和實(shí)體關(guān)系都有唯一的一個表現(xiàn)形式進(jìn)行表示，如名詞性的“劉煥勇”，動詞性的“畢業(yè)于”，形容詞性的“美麗”等，這種唯一的表現(xiàn)形式提供了節(jié)點(diǎn)表示的可能。而如果要將節(jié)點(diǎn)替換成事件，用一種特定的字符串序列來表示事件，會出現(xiàn)什么情況？一個事件是一個名詞還是動詞，還是一個短語，還是一個主謂或動賓二元組，還是一個主謂賓三元組，還是一句描述，還是囊括更多信息的N元組？這些都是需要考慮的問題。目前廣泛應(yīng)用于scripts以及narrative chain中的以動詞作為事件的表示方式往往太過于抽象，往往一些名詞也可以充當(dāng)事件，這個放在兼類現(xiàn)象嚴(yán)重的中文中問題更大。事實(shí)上，事件在外部形式上的表現(xiàn)方式，直接決定了事件在圖譜中的組織方式和管理機(jī)制。

2、事件的內(nèi)部信息表示界定

     單純以一個詞來表示事件的方式往往太過于單薄和抽象，而一個事件之所以能夠成為事件，那么最好的方式是能夠使用盡可能少量的字符或者字段表達(dá)盡可能多的事件相關(guān)信息。在這個方面，ACE定義了8類事件，以及幾十個小類的事件類型，人工地針對每個事件小類定義了槽即slot的概念，從不同的側(cè)面圍繞一個特定的事件觸發(fā)詞trigger words來進(jìn)行事件描述。由于這種事件結(jié)構(gòu)定義不具備普適性和拓展性，遷移成本特別高，因此，后期有人考慮使用framenet以及verbnet來解決這個問題，但依舊有限，而且這都是屬于英文領(lǐng)域，對于中文，又會遇到“巧婦難為無米之炊”的問題。目前，關(guān)于事件的info-schema，可以自行搜索關(guān)于eventschema相關(guān)的框架，主要代表性的有國內(nèi)上海大學(xué)的5元組事件表示，國外的semevent本體表示框架。

3、事件之間關(guān)系的表示界定

     靜態(tài)性的知識數(shù)量規(guī)模巨大，這決定了實(shí)體關(guān)系類型的豐富性，而相對于實(shí)體而言，事件之間的關(guān)系則相對較少，從大的方面來說，事件之間的關(guān)系主要包括空間關(guān)系和時間關(guān)系兩個大類，兩個大類底下能夠繼續(xù)下分，形成不同的子空間關(guān)系和子時間關(guān)系?？臻g關(guān)系和時間關(guān)系又可進(jìn)一步聚類形成邏輯關(guān)系，不同的空間和時間關(guān)系組合決定了不同的邏輯關(guān)系。

三、事件類圖譜的幾個類別

     根據(jù)事件外部表示以及關(guān)系的不同，事件類知識圖譜主要有以下幾種概念形式（此處為個人總結(jié)）：

1、  事件知識圖譜（event knowledge graph）

     事件知識圖譜，在這里，我更傾向于認(rèn)為這個圖譜本身更傾向于為一個事件知識庫，而非知識圖譜。事件知識圖譜的工作主要圍繞事件知識本身進(jìn)行展開，關(guān)注點(diǎn)在于事件內(nèi)部信息，如ACE中的8大類事件，將這幾類事件中的信息進(jìn)行抽取和填充就能夠得到一個以特定事件類型作為分類標(biāo)準(zhǔn)的事件知識庫，如婚姻事件庫、爆炸事件庫等。最近的工作包括自動化所關(guān)于金融事件知識圖譜的工作，集中于資產(chǎn)凍結(jié)等少數(shù)幾個特定事件的事件知識圖譜。這種事件知識圖譜中的事件由特定的事件類型及其槽構(gòu)成，內(nèi)部關(guān)系主要考慮包括事件論元之間的關(guān)聯(lián)，對于外部事件之間的關(guān)聯(lián)關(guān)注較少。

2、  抽象事理圖譜（abstract event evolutionary graph）

     抽象事理圖譜，最早由哈工大信息檢索實(shí)驗(yàn)室在narrative chain的基礎(chǔ)上提出，目標(biāo)是揭示事件之間的演化性，關(guān)系上主要考慮順承和因果兩種，在事件節(jié)點(diǎn)的設(shè)置上傾向于事件的抽象性，以原文短句的形式作為字符串表示，這種抽象性質(zhì)決定了該事件不具備更為細(xì)致的內(nèi)部事件信息，形式上很為簡潔。但存在的挑戰(zhàn)很多，例如如何抽象，以原文短句作為事件外部表示似乎看不到抽象的成分在，抽象的力度如何控制，不同的抽象粒度會得到不同的抽象結(jié)果。

3、  事件邏輯知識圖譜（event logic knowledge graph）

     事件邏輯知識圖譜，是綜合事件知識圖譜和抽象事理圖譜之間的一種知識圖譜類型，該知識圖譜既保留了事件知識圖譜中事件內(nèi)部信息的完備性，又保留了抽象事理圖譜中外部事件表示的抽象性，具有完備性和抽象性雙重特征。不過，事件邏輯知識圖譜與事件圖譜不同，事件邏輯知識圖譜規(guī)避了事件知識圖譜的領(lǐng)域特征，而采用統(tǒng)一的事件槽，即通用的事件N個論元組對事件表示，其中論元的設(shè)置綜合考慮了回答5個W，1個H的問題的同時，更考慮事件的情緒、確定性、完成性、主觀性、權(quán)威性等信息，并通過領(lǐng)域?qū)嶓w的增加與替換來達(dá)到對不同領(lǐng)域的適配。本質(zhì)上來說，事件邏輯知識圖譜的核心在于邏輯，而這種邏輯的本質(zhì)特性是抽象性，因此事件之間的邏輯關(guān)系需要從底層的事件進(jìn)行高度抽象而成，這種抽象主要體現(xiàn)在事件邏輯知識庫中事件外部形式的表示上。與抽象事理圖譜不同，由于有了底層具有豐富內(nèi)部屬性的實(shí)例事件作為支撐，可用于事件抽象的信息更多，在事件融合方面帶來了極大的便利，另外在事件之間的關(guān)系上，進(jìn)一步進(jìn)行擴(kuò)展，可以形成對立、條件、部分與整體等多種邏輯網(wǎng)絡(luò)。

四、事件類圖譜的幾個重要問題

     在實(shí)際的理論研究和生產(chǎn)過程當(dāng)中，我們發(fā)現(xiàn)，以下幾個方面的問題需要急需解決。

1、事件關(guān)系語料庫的構(gòu)建與融合。目前關(guān)于這方面的英文語料庫主要有timebank以及propbank，中文的有突發(fā)事件cec語料庫以及哈工大的篇章關(guān)系語料庫等，這些語料庫一方面在分布上較為分散，另外，在事件的標(biāo)注上，還是局限于動詞性詞語作為事件表示。因此，更多類型的事件關(guān)系語料庫需要構(gòu)建，在標(biāo)注的形式和規(guī)范上需要從詞級別進(jìn)一步轉(zhuǎn)換成句子級別等。

2、事件關(guān)系抽取的任務(wù)規(guī)則轉(zhuǎn)變。目前，時序事件評測以及因果事件評測任務(wù)大多轉(zhuǎn)換成了一個序列標(biāo)注任務(wù)或者文本分類問題來做，而這基于一個重要的前提，即數(shù)據(jù)集中明確標(biāo)注了事件本身，我認(rèn)為這樣的任務(wù)與其說是抽取，不如說是分類，因?yàn)闆]有事件抽取的概念在。這樣的評測任務(wù)，直接會造成在實(shí)際應(yīng)用場景下無法直接使用。識別出事件這一個步驟需要提上日程，而不是在已標(biāo)注好的事件上，做事件關(guān)系的判定之類的刷榜游戲，實(shí)際落地應(yīng)用價值不是特別大。

3、事件類知識圖譜的評估。這個問題是我們在工作過程當(dāng)中，包括與別人討論時必問的一個問題，即準(zhǔn)確率的評估問題。事件邏輯知識圖譜是目前我們工作的重點(diǎn)，我們在通用事件論元表示，抽象性事件關(guān)聯(lián)抽取上做了一些工作?？偨Y(jié)的來說，事件邏輯知識圖譜從零到有，包括因果、順承、對立等事件的抽取，事件內(nèi)部論元的識別，事件的抽象與融合，事件的動態(tài)等一系列環(huán)節(jié)，組成一個具有誤差傳播的pipeline，每一個環(huán)節(jié)的準(zhǔn)確率都需要進(jìn)行評估。此外，在構(gòu)建好的事件邏輯知識圖譜當(dāng)中，如何應(yīng)用進(jìn)行輔助決策，在應(yīng)用層也需要進(jìn)行準(zhǔn)確性的量化。這些評估問題在標(biāo)準(zhǔn)數(shù)據(jù)集的構(gòu)建以及評估方法上面臨著諸多挑戰(zhàn)，這是我們目前遇到以及正在解決的問題，可以關(guān)注我們的工作。

 

五、總結(jié)

     知識圖譜目前已經(jīng)發(fā)展了近7年的時間，在這7年的時間里，知識圖譜從興起走向泛化，目前正處于從概念到落地的環(huán)節(jié)，還存在諸多挑戰(zhàn)。正如知識圖譜一樣，事理圖譜提的多了，大家對該概念的理解就會出現(xiàn)偏差，也就會對事件類圖譜有不同的認(rèn)識，本文介紹了我們在實(shí)際過程中對事件類圖譜的認(rèn)識，可以幫助大家掃掃盲區(qū)。另外，也正如知識圖譜一樣，事理圖譜目前到了落地應(yīng)用的環(huán)節(jié)，技術(shù)上存在多種問題需要解決，本文也提出了幾個需要解決的問題，如事件關(guān)系語料庫的構(gòu)建、事件關(guān)系抽取任務(wù)規(guī)則的轉(zhuǎn)變、事件類知識圖譜的評估，大家也可以多想想關(guān)注此類問題。

 關(guān)于作者：

1、劉煥勇，中科院軟件所，[email protected]

2、我的github項(xiàng)目介紹：https://liuhuanyong.github.io

3、我的csdn博客：https://blog.csdn.net/lhy2014

4、我的公眾號：老劉說NLP