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 事理圖譜的形成過程 4
1.2 事理圖譜與知識圖譜的區(qū)別與聯(lián)系 5
1.3 事理圖譜的研究意義 7
1.4 國內(nèi)外典型的事件相關(guān)知識庫構(gòu)建項目 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 16
1.6 事理圖譜的質(zhì)量評估 16
1.6.1 人工評估 16
1.6.2 自動評估 17
1.7 事理圖譜的應(yīng)用價值 17
1.8 本章小結(jié) 19
參考文獻 19

第2章 事理知識表示 21
2.1 知識表示 21
2.2 經(jīng)典知識表示方法 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 語義網(wǎng)中的知識表示方法 25
2.3.1 XML 26
2.3.2 RDF 28
2.3.3 RDFS 28
2.3.4 OWL 29
2.4 知識圖譜的知識表示方法 31
2.4.1 知識圖譜的圖表示 31
2.4.2 知識圖譜的分布式表示 32
2.5 事理圖譜的知識表示方法 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表示方法 43
2.6 本章小結(jié) 45
參考文獻 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 公開評測和相關(guān)語料資源 50
3.1.3 評價方法 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)計機器學(xué)習的方法 57
3.2.3 基于深度學(xué)習的方法 61
3.3 開放域事件抽取 66
3.4 文檔級事件抽取 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 75
第4章 事件模式自動歸納 79
4.1 任務(wù)概述 79
4.1.1 模板型事件模式自動歸納任務(wù)概述 80
4.1.2 敘述型事件模式自動歸納任務(wù)概述 84
4.2 事件模式自動歸納方法 87
4.2.1 模板型事件模式自動歸納方法 87
4.2.2 敘述型事件模式自動歸納方法 89
4.3 相關(guān)任務(wù) 93
4.4 本章小結(jié) 96
參考文獻 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)語料與知識庫 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)集簡介 108
5.2.3 事件時序關(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 121
第6章 事件表示學(xué)習 127
6.1 任務(wù)概述 127
6.1.1 任務(wù)難點 128
6.1.2 任務(wù)評價 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)習方法 140
6.4 基于預(yù)訓(xùn)練語言模型的非結(jié)構(gòu)化事件向量表示方法 145
6.4.1 事件時間常識知識增強的預(yù)訓(xùn)練語言模型 146
6.4.2 動詞語用知識增強的預(yù)訓(xùn)練語言模型 148
6.4.3 事件演化知識增強的預(yù)訓(xùn)練語言模型 149
6.5 本章小結(jié) 151
參考文獻 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 175

第8章 事理知識存儲和檢索 177
8.1 事理圖譜的存儲 177
8.1.1 基于表結(jié)構(gòu)的存儲 177
8.1.2 基于圖結(jié)構(gòu)的存儲 180
8.2 事理圖譜的檢索 182
8.2.1 常見的形式化檢索語言 182
8.2.2 圖檢索技術(shù) 182
8.2.3 圖數(shù)據(jù)庫與關(guān)系數(shù)據(jù)庫的特點 183
8.2.4 Cypher查詢語言 185
8.3 Cypher語句實踐 185
8.3.1 Neo4j的安裝與使用 186
8.3.2 節(jié)點的創(chuàng)建與檢索 188
8.3.3 節(jié)點的刪除與更新 190
8.3.4 數(shù)據(jù)導(dǎo)入與圖譜導(dǎo)出 192
8.3.5 Neo4j的高級功能 194
8.4 其他圖數(shù)據(jù)庫 194
8.5 本章小結(jié) 195
參考文獻 196
第9章 基于事理圖譜的認知推理 197
9.1 認知系統(tǒng) 198
9.2 基于知識圖譜的認知推理 199
9.3 基于事理圖譜的認知推理 201
9.3.1 基于事理圖譜的If-Then類型事件推理 202
9.3.2 基于事理圖譜的腳本類事件預(yù)測 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 215
9.5 本章小結(jié) 216
參考文獻 217

第10章 基于事理圖譜的應(yīng)用 219
10.1 概述 220
10.2 基于事理知識的問答 221
10.2.1 任務(wù)概述 221
10.2.2 基于事理知識的問答方法 222
10.3 基于事理知識的對話 224
10.3.1 任務(wù)概述 224
10.3.2 基于事理知識的對話方法 227
10.4 基于事理知識的消費意圖挖掘 235
10.4.1 任務(wù)概述 235
10.4.2 基于事理知識的消費意圖挖掘方法 236
10.5 基于事理知識的股票市場預(yù)測 239
10.5.1 任務(wù)概述 239
10.5.2 基于事理知識的股票市場預(yù)測方法 240
10.6 大語言模型背景下的事理圖譜應(yīng)用 245
10.6.1 事理圖譜如何增強大語言模型應(yīng)用長尾事理知識進行推理 247
10.6.2 事理圖譜如何增強開源大語言模型事理推理能力 248
10.7 本章小結(jié) 249
參考文獻 250