事件图谱的构建、推理与应用

近些年，知识图谱的构建技术得到了极大的发展，构建好的知识图谱已经被应用到众多领域。在此基础上，研究者将目光从知识图谱转向事件图谱。事件图谱以事件为核心，准确地描述了事件信息以及事件之间的关联关系。基于此，总结了事件图谱在构建、推理与应用方面的关键技术，主要包括事件抽取、事件信息补全、事件关系推断以及事件预测技术。给出了事件图谱的具体应用场景，并且针对事件图谱研究中存在的挑战，对未来的研究趋势进行了展望。

随着信息技术的飞速发展，目前整个社会已经迈入了大数据时代。大数据时代下每时每刻都在产生庞大的数据。在庞大数据的背后，蕴含着众多有价值的信息。但是由于数据种类繁多、数据量庞大，难以高效、准确地获取有用的信息。为了更加高效地获取数据背后的信息，提高获取信息的效率，研究人员开始研究并使用自动化的工具从原始数据中抽取有价值的信息。这种自动化的技术被称为信息抽取技术[1]，可以极大地提高工作效率，节省时间。与此同时，由于信息抽取技术逐渐走向成熟，一种新的数据组织形式逐渐形成，实现了知识互联，适应了用户的认知需求，其被称为知识图谱。

知识图谱的概念由Google公司在2012年正式提出[2]，目的是提高搜索引擎的性能，提供更加友好的搜索结果。随后知识图谱在学术界受到了极大的关注，其构建技术也在飞速发展。目前，知识图谱已经被广泛地应用到知识问答、智能搜索、个性化推荐、软件复用[3]、政府治理[4]等多个领域。随着技术的不断发展，现有研究内容已经从知识图谱的实体识别[5]、关系抽取[6]技术扩展到了事件图谱的构建与推理技术。事件图谱刻画了现实世界中发生的事件，对事件信息进行了准确描述。事件图谱中蕴含众多事件知识，事件知识的特点是拥有众多维度，例如时间维度、逻辑维度、关系维度等。

本文对现有的关于事件知识的研究做了总结，从事件图谱的构建、推理与应用3个方面阐述了相关技术的研究现状。最后，本文展望了事件图谱的发展方向。