事件本体模型与应用技术

事件作为人类知识的单元，越来越受到学术界的高度重视。本项目将对学术界关于事件的思想、观念和研究成果进行整理、分析和发展，对人类基于事件的认知规律做更进一步的揭示，给出事件定义和表示方法，将事件及其存在规律，包括语言中的存在规律，结合到本体理论与方法中，在传统本体模型的基础上，扩展为事件本体模型；综合运用形式概念分析、机器学习、联想记忆、数据挖掘、归纳断言等理论和技术，围绕事件本体构建和应用中的关键问题，研究从中文文本中学习获取面向事件的语义知识的方法和算法，研究将这些知识融入到事件本体中的理论与方法，形成逐渐扩展式的事件本体构建方法与技术，研究基于事件本体的从中文文本中识别事件和关系的方法与算法，研究事件本体在自然语言处理中的应用技术。

项目从哲学、认知科学、计算语言学等多重视角研究事件，给出事件和事件类定义，确定了事件、事件类的表示方法，建立了事件本体模型。项目取得如下成果：1研究事件与事件类的要素、要素属性，增加了断言和语言表现，确定各要素属性和属性值域的表示方法。2从文本中挖掘事件间关系，提出一种事件关系表示模型，探索了事件中动作要素的形式化表示与动作的推理。3 建立了事件本体结构，提出针对事件本体的存储模式，实现了一个事件本体系统，提出了一种基于事件类影响因子的事件本体推理方法。4研究文本中事件与事件要素的识别，提出了一种基于多种特征融合的事件识别方法与基于半监督聚类和特征加权的事件要素识别方法。5事件网络是一种新的知识表达模型，以事件网络表示文本，提出了计算事件相似度的方法，进而，提出了基于事件相似度的事件网络聚类算法。6从事件与人物关联的角度研究了文本中关键人物的识别方法，针对用户对事件类信息的需求，提出了一种基于局部分析面向事件的查询扩展方法。7研究了基于事件结构的中文语句分析方法，为了解决SVM在文本分类时产生高维特征向量的问题，提出了一种基于本体的特征项约简方法。