浅谈事理图谱认知：系统体系+领域收敛+人机协同+辅助范式

事理图谱，不是简单的事件识别和事件关系识别以及事件三元组存储，是一个需要健全事件体系牵引、具有领域收敛特性、在构建上需要人机协同，在应用上拥有多种辅助范式形成的系统体系工程。–刘焕勇，于中科院软件所，20191012

事理图谱，不是简单的事件识别和事件关系识别以及事件三元组存储，是一个需要健全事件体系牵引、具有领域收敛特性、在构建上需要人机协同，在应用上拥有多种辅助范式形成的系统体系工程。

一、知识图谱的认识

1.1、教材中的知识图谱认识
知识图谱是什么，有太多的理解，在工作过程中遇到一些朋友的需求，很多都是凭着对知识图谱那张可视化的图的记忆来看说，能够帮他们做知识图谱，这难免暴露出现在行业创新的急躁。
当然，对于知识图谱是什么，教材是最好的例子，目前先后有高教社赵军老师团队的知识图谱，电子工业出版社肖仰华老师的知识图谱概念，也有陈华钧老师的知识图谱构建实战。第一本教材很偏学术理论，从知识工程的角度上来说的知识图谱，作者都是做实体关系抽取、事件抽取等总结的经验；第二本教材很偏抽象的概念，给人一种满满的准则感觉，第三本教材则是偏向于语义网的角度上来说的知识图谱，离实际应用还有些距离。
1.2、实际工作中的知识图谱认识
实际上，图谱，这个圈子很小。以图谱方式进行知识单元节点形成的相关工作，都被有意无意地归类成知识图谱，形成了广义而粗浅认识的知识图谱（外行知识图谱），狭义而精细的知识图谱（内行知识图谱）。而随着大家对知识图谱认识的加深，就像一个月饼里原先包的是豆沙馅儿的换成蛋黄馅儿的，本质上没有太大的差别，这里的本质，在这里，更多的是图谱的架构问题。

二、从知识图谱到事理图谱的认识

2.1、认知智能与知识图谱
知识图谱是认知智能的语义基石，基于知识图谱中所存储的知识，机器可以像人一样去进行知识应用，知识推理笔记看过很多博文的人都会有这种的认同感，这没有什么问题。认知，是人类相较于其他动物最大的区别，在我看来，认知能力主要包括概括能力和类推能力两种，概括能力是能够基于大量既定事实总结经验规律模式，并形成具有一定层级的模式思维能力。类推能力，更像是概括能力的反向用力以及应用，即常说的思考或举一反三。因此，既然认定知识图谱是认知的基础，那势必需要满足这两种基础，即概括基础和类推基础。
概括基础形式化体现出来，是具有概括性的能力，以概括抽象性的能力以及抽象概念性知识库作为输出。说到这个，又要说到人的认知体系问题，人类的认知体系是以名词性实体为核心还是以动词性事件为核心的，不同的核心决定了不同的概括需求。事实上，作为一个由社会活动驱动的人类，是动词性事件为核心的，动词性事件支配名词性实体，因此概括性能力应该包括名词性能力和动词性能力。但即便是如此，人类在显式的表达自己的知识时，还是以选择名词性实体进行表达，是因为名词性实体比事件更为细粒度，也更为稳定，也是好习得，好操作，即先知道what is what再知道do what 。
2.2、名词性实体知识图谱与动词性事件类图谱
名词性能力这方面代表性的工作有大词林、wordnet，这两个是我认为真正意义上做到这点的工作，一个是抽象，二是分层，没有进行分层的概念性是零散的(一堆高度稀疏的isa），这方面的工作包括cnprobase，以及conceptgraph。但是，对于这种概括性知识图谱而言，还是基本上集中在名词性实体上，究其原因，一是因为好建模(可以利用实体链接，背后有百科类实体作为支撑，好操作)，二是因为数据的可获得性，有大量认为预定好的层级(目录树，网页导航，黄页)等。当然，在这个方面，各大电商，医疗，工业，领域等积累了大量的材料，如阿里商品等，基于商品的挖掘，可以快速搭建一个面向商品消费的层级性实体概括性知识库。
动作性的概括性图谱目前还相对空白。与名词概括性图谱不一样，名词性的概括性可以用is-a表达，而动词性概括图谱更多的是一种part-of关系，事件具有组成性的特征。相关的工作更多的是集中在事件的逻辑性的挖掘上(因果逻辑，条件逻辑，上下位逻辑)。有必要说明的是，其中的上下位(包括基于名词性实体的上下位以及基于动词性实体的上下位)是这种概括性图谱中的一部分。比如结婚这个动作，包括领证、办喜酒、发请帖等几个组成性事件。前者所描述的是一种诸如货币贬值下的美元贬值、人民币贬值、日元贬值。一种在形式上有交集，可以找到规则，另一种没有形式规则可言。所以，前者的挖掘难度要比后者简单地多，而意义上后者则要强得多。
2.3、事件类图谱：向上概括的抽象事理与向下泛化的领域事件拓扑
同一个事件知识，如果只关注单个事件集合之间的关系(上下位，组成、因果、时序)，那么就会走向具有三层结构的事件类知识库(抽象事理图谱)，这类图谱的特点是只考虑事件名以及事件名个体经过加工、抽象、模式规约后形成的体系