事理图谱概念辨析及其与风险标签分类结合的应用探讨

以事件为描述核心，以揭示事件之间的演化逻辑关系的事理图谱自提出后，引起了工业界的极大兴趣，在积极探索事理图谱本质、事理图谱构建技术细节的同时，如何找到技术与应用场景之间的结合成为目前广泛讨论的问题。我们团队持续对以上两个问题进行研究和实践，积累了一些认识，写出来与大家分享。

一、事理图谱本质的类型和认知
目前提到“事理图谱”这个名词时，大家或许在认知上会有很大的差异，并会伴随着如“事件图谱”、“事件知识图谱”等众多别名的出现。从图像感官上，“事理图谱”与知识图谱外观相似，如下图1所示的典型事理图谱印象。

图1-事理图谱印象
当然，要找到一个标准统一的定义是较难的，本质和定义会随着外部环境和应用场景而发生变化，若应用到深度学习图神经网络当中，事理图谱是一种图模型结构，在文本分析中，事理图谱可以是一种时间线或故事线叙事链条，在流程性业务中，事理图谱可以是业务状态序列，等等。我们在实践过程当中，总结性地认为，根据事件外部表示以及关系的不同，事件类知识图谱主要包括事件知识图谱、抽象事理图谱、事件逻辑知识图谱、领域状态事件决策图谱四种类型。
1、 事件知识图谱（event knowledge graph）
事件知识图谱，在这里，我们认为这个图谱本身更倾向于为一个事件知识库，事件知识图谱的工作主要围绕事件知识本身进行展开，关注点在于事件内部信息，如ACE中的8大类事件，将这几类事件中的信息进行抽取和填充就能够得到一个以特定事件类型作为分类标准的事件知识库，如婚姻事件库、爆炸事件库等。最近的工作包括金融事件知识图谱的工作，集中于资产冻结等少数几个特定事件的事件知识图谱。这种事件知识图谱中的事件由特定的事件类型及其事件论元槽构成，内部关系主要考虑包括事件论元之间的关联，对外部事件之间的关联关注较少。

2、抽象事理图谱（abstract event evolutionary graph）
抽象事理图谱，最早由哈工大信息检索实验室在narrative chain的基础上提出，目标是揭示事件之间的演化性，关系上主要考虑顺承和因果两种，在事件节点的设置上倾向于事件的抽象性，以原文短句的形式作为字符串表示，这种抽象性质决定了该事件不具备更为细致的内部事件信息，形式上很为简洁。但存在的挑战很多，例如如何抽象，抽象的力度如何控制，不同的抽象粒度会得到不同的抽象结果，适用场景也会因此而相对受限。

3、 事件逻辑知识图谱（event logic knowledge graph）
事件逻辑知识图谱，是综合事件知识