一种常识约束的事件推理溯源方法与流程

本技术涉及自然语言处理，具体而言，涉及一种常识约束的事件推理溯源方法。

背景技术：

1、事件推理溯源是事件综合分析的基础，也是最大的难点之一，事件推理溯源主要是基于历史事件发生情况和当前事件状态，通过逻辑推理找到引起该事件的起因。

2、事件推理溯源由于现实事件往往存在脉络不清晰、溯源难度大等原因，一直是学术界和工业界的研究难点，但是由于其技术带来的应用前景十分可观，所以学者们一直在尝试不同方法的研究工作，希望能带来技术上的突破性进展，但是目前还未出现可用、可靠的事件推理溯源产品，也未有一套成熟的技术框架，主要集中在事件关系推理技术层面，其中事件因果关系推理最为常见。

技术实现思路

1、本技术的实施例提供了一种常识约束的事件推理溯源方法，以解决现实事件描述纷繁复杂、事件重要关系缺失导致事件脉络难以理清、事件溯因难度高、事件发生起因无法追溯等问题。

2、本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。

3、根据本技术实施例的第一方面，提供了一种常识约束的事件推理溯源方法，包括：

4、从数据库中获取多个典型事件；

5、基于事件内容和事件常识对多个所述典型事件进行排序整合，得到核心事件脉络序列；

6、基于事件常识对所述核心事件脉络序列进行脉络关键节点推理，得到包含关键信息的关键事件脉络序列；

7、以事件发生时间为约束条件，在所述约束条件下对所述关键事件脉络序列进行随机游走推理，得到溯源结果。

8、在本技术的一些实施例中，基于前述方案，所述从数据库中获取典型事件，包括：

9、基于网络爬虫程序，从数据库中爬取不同来源的文本篇章数据；

10、基于事件检测算法、事件类型识别算法和事件选择算法从所述文本篇章数据中筛选出所述典型事件。

11、在本技术的一些实施例中，基于前述方案，所述基于事件内容和事件常识对多个所述典型事件进行排序整合，得到核心事件脉络序列，包括：

12、对多个所述典型事件进行事件内容排序，得到事件内容序列；

13、对所述事件内容序列中的多个典型事件进行事件常识排序，得到事件常识序列；

14、对所述事件常识序列中的多个典型事件进行时间排序，得到所述核心事件脉络序列。

15、在本技术的一些实施例中，基于前述方案，所述对多个所述典型事件进行事件内容排序，得到事件内容序列，包括：

16、统计所述典型事件在每个文本篇章下表述时的位置索引；

17、基于所述位置索引综合计算每个所述典型事件的排序分数；

18、根据所述排序分数对多个所述典型事件进行排序，得到所述事件内容序列。

19、在本技术的一些实施例中，基于前述方案，所述对所述事件内容序列中的多个典型事件进行事件常识排序，得到事件常识序列，包括：

20、基于常识案例库，人工构建满足逻辑关系的事件序列训练集；

21、基于所述事件序列训练集训练语言模型，得到事件常识排序模型；

22、利用所述事件常识排序模型对所述事件内容序列中的多个典型事件进行排序，得到所述事件常识序列。

23、在本技术的一些实施例中，基于前述方案，所述基于事件常识对所述核心事件脉络序列进行脉络关键节点推理，得到包含关键信息的关键事件脉络序列，包括：

24、基于常识库训练事理网络推理模型；

25、基于所述事理网络推理模型从核心事件脉络序列中选出关键事件；

26、基于所述关键事件形成关键事件脉络。

27、在本技术的一些实施例中，基于前述方案，所述基于所述事理网络推理模型从核心事件脉络序列中选出关键事件，包括：

28、将所述核心事件脉络序列分为事件序列和事件类型序列；

29、将所述事件序列中的事件要素与所述常识库中的事件实例进行匹配组合得到第一事理网络，并基于所述事理网络推理模型对所述第一事理网络进行推理，得到第一关键事件；

30、将所述事件类型序列中的事件类型与所述常识库中的事件概念进行匹配组合得到第二事理网络，并基于所述事理网络推理模型对所述第二事理网络进行推理，得到第二关键事件。

31、在本技术的一些实施例中，基于前述方案，所述将所述事件序列中的事件要素与所述常识库中的事件实例进行匹配组合得到第一事理网络，并基于所述事理网络推理模型对所述第一事理网络进行推理，得到第一关键事件，包括：

32、通过所述事理网络推理模型将所述事件序列中的事件要素与所述常识库中的事件实例进行匹配，若能匹配成功，记所述事件要素为匹配事件要素，记所述事件实例为匹配事件实例；

33、在常识库中获取与所述匹配事件实例前后关联的事件实例；

34、将与所述匹配事件实例前后关联的事件实例与所述匹配事件要素组合形成第一事理网络；

35、基于所述事理网络推理模型对所述第一事理网络进行推理，判断所述匹配事件要素是否为关键事件，若是，则将所述匹配事件要素记为第一关键事件。

36、在本技术的一些实施例中，基于前述方案，所述将所述事件类型序列中的事件类型与所述常识库中的事件概念进行匹配组合得到第二事理网络，并基于所述事理网络推理模型对所述第二事理网络进行推理，得到第二关键事件，包括：

37、通过所述事理网络推理模型将所述事件类型序列中的事件类型与所述常识库中的事件概念进行匹配，若能匹配成功，记所述事件类型为匹配事件类型，记所述事件概念为匹配事件概念；

38、在常识库中获取与所述匹配事件概念前后关联的事件概念；

39、将与所述匹配事件概念前后关联的事件概念与所述匹配事件类型组合形成事理网络；

40、基于所述事理网络推理模型对所述事理网络进行推理，判断所述匹配事件类型是否为关键事件类型，若是，则将所述匹配事件类型对应的事件记为关键事件。

41、在本技术的一些实施例中，基于前述方案，所述以事件发生时间为约束条件，在所述约束条件下对所述关键事件脉络序列进行随机游走推理，得到溯源结果，包括：

42、在马尔可夫约束下对所述关键事件脉络序列执行随机游走；

43、根据非马尔可夫约束过滤游走结果；

44、将过滤后的游走结果作为最终的溯源路径；

45、选取每条溯源路径的第一个事件作为溯源的起因事件；

46、获取所有溯源路径的起因事件，并结合专业知识，确认出最合理的起因事件。

47、根据本技术实施例的第二方面，提供了一种常识约束的事件推理溯源装置，包括：

48、获取单元，用于从数据库中获取多个典型事件；

49、排序整合单元，用于基于事件内容和事件常识对多个所述典型事件进行排序整合，得到核心事件脉络序列；

50、推理单元，用于基于事件常识对所述核心事件脉络序列进行脉络关键节点推理，得到包含关键信息的关键事件脉络序列；

51、溯源单元，用于以事件发生时间为约束条件，在所述约束条件下对所述关键事件脉络序列进行随机游走推理，得到溯源结果。

52、根据本技术实施例的第三方面，提供了一种电子设备，包括存储器和处理器；

53、所述存储器，用于存储计算机指令；

54、所述处理器，用于调用所述存储器中存储的计算机指令，使得所述电子设备执行如上述第一方面所述的方法。

55、根据本技术实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，所述计算机指令在计算机上运行时，使得所述计算机执行如上述第一方面所述的方法。

56、本技术的技术方案，通过核心事件脉络生成和常识推理，实现事件溯源，可以有效提升事件发生起因发现的准确性和可解释性。

57、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。