脚本内的事件通过(a)时间顺序(例如,车辆价格协商发生在购车前)与(b)共享论元(例如,购车者即为议价者)相互关联。美国国家标准与技术研究院(NIST)负责该知识库质量的外部评估;伊利诺伊大学厄巴纳-香槟分校(UIUC)的RESIN引擎基于流式输入预测可能事件。南加州大学信息科学研究所(USC ISI)开发了“机器辅助脚本编修工具”(MASC)——一款供自然语言处理非专业人员使用的脚本创建工具。基于文本的脚本发掘方法受限于文本不完整性,而人工编写机器可解析脚本方案则存在编写者遗漏步骤的固有倾向,以及必要形式化本体映射的挑战。为辅助脚本创作者,MASC提供以下类别的建议:
(1) 每项事件的本体类型; (2) 事件的论元及其对应角色; (3) 推荐论元的细粒度本体类型; (4) 编者可能遗漏的步骤
南加州大学信息科学研究所同时探索了时序关系自动化处理。然而,发现人工审核时序关系具有关键意义——部分原因是复杂事件中诸多特定子事件不存在单一既定顺序。除通过子事件间时序关系组织模式外,MASC支持引入层级结构以实现复杂事件的意义化分组。通过该工具,团队探索了多种层级构建方案:既在逻辑门上采用人类可解析的命名以定义子事件间非时序关系,也支持创建可复用命名子模式单元,可被导入全库大型模式中。南加州大学信息科学研究所的成果包括:
• 开发人机智能交互界面MASC,用于创建、审查与编修完整本体化的复杂事件结构描述方案;
• 在知识库中构建约200个复杂事件模式。其中程序员构建占比显著,另有多元背景硕士生参与;
• 提交接受正式评估的模式知识库,包含聚焦五类复杂事件的52个方案:恐怖主义事件、疾病爆发、化学品泄漏、暴动与政变。