【斯坦福CS520】因果图谱，11页pdf

目前知识图谱的使用侧重于利用KG提供元数据知识来拼凑不同数据源的能力，从而理解这些数据源。

我们专注于提取表达数据之间因果关系的因果图，如“美元走强导致大宗商品价格下跌”。为了大规模进行，我们必须创建一个通用的数据模型，包括我们能识别的国家、公司、大宗商品的所有信号，信用和汇率，以及一个专门的NLP系统，以识别提及这些信号和事件，以及作者在文本中表达的因果关系。然后，这些数据必须被聚合成有意义的元素，并以突出显示所有最近新闻中最有趣的元素的方式显示出来

因果图还可用于许多目的，如警报范围计算、预测和模拟。特别是，可以将这些文本(超过1亿篇文本)构建的大型因果图转换为聚焦的贝叶斯网络，如http://ssrn.com/abstract=3808233所述。

https://web.stanford.edu/class/cs520/abstracts/haren.html