事件本体形式化方法中的几个重要问题

On the basis of the proposed event ontology model, our study will be concentrated on the formalization of event ontology.For the elements of event class: object, action, time and environment, the technology of formal language, scale specification, formal concept analysis and syntax directed will be adopted to solve the problem of their formalization respectively.As for the language expression element, machine learning technology will be utilized to extract language regulations from Chinese text corpus which will be semi-automatically integrated into language expression rules in event ontology for each event class.With regards to the assertion element, event induction expression will be constructed according to Hoare logic, then for the various component relations between event classes, corresponding inference rules will be constructed and inference system will be formed. For the problem of uncertainty and imprecision in event ontology, relatively simple modal expansion and quantifier expansion will be attempted to map the composition of uncertainty and imprecision to expansion logic in order to realize inference for uncertainty.This study will play a key part in the improvement of the event ontology model, enhance the inference ability, fully reflect the advantage of event ontology and it will lay the foundation for the establishment of utility-scale opening event ontology.

在已提出的事件本体模型的基础上，集中研究事件本体中的形式化问题。对于事件类的对象、动作、时间和环境等要素，采用形式语言、标度规范、形式概念分析、语法制导等技术，分别解决。对于语言表现要素，采用机器学习技术，针对各个事件类，从中文文本语料中提取语言规律，半自动地综合成为事件本体中的语言表现规则。对于断言要素，参照Hoare逻辑，构造事件归纳表达式，对应于事件类之间的各种组成关系，构造相应的推理规则，形成推理体系。对于事件本体中的不确定性和不精确性问题，尝试相对简单的模态扩展和量词扩展，将事件本体中的不确定和不精确成分近似映射到扩展逻辑上，实现不确定性推理。这项研究对于完善事件本体模型起到关键的作用，将使事件本体具有更强的推理功能，充分体现事件本体的优越，为建立实用规模的开放事件本体奠定基础。

事件作为人类知识基本单元，包含了丰富的语义信息。通过事件来研究自然语言处理技术，更接近人类的理解以及认知方式。由于文本中的事件都是由自然语言描述的，这给计算机分析理解事件带来了困难。因此通过形式化方式构建一个以事件类作为基本单元的本体，成为基于事件的自然语言处理的关键，虽然相关研究早已展开，但仍然存在很多问题，主要表现在以下几点：1.由于事件本体的研究尚处于起步阶段，事件本体的形式化表示模型还有待完善；2.对事件本体中各要素的形式化方法还需完善，特别是对事件动态性的表示；3.不同事件类的语言表现规律有待挖掘；4.事件本体中知识的不确定性表示急待研究。本项目详细地分析了现有的相关研究，针对事件本体形式化中的若干关键技术提出了自己的研究思路，取得了一系列的研究成果,主要包括：（1）提出基于框架的概念代数的事件和事件类表示方法，同时对事件的对象、环境、时间、动作等要素进行了基于概念代数的形式化研究；（2）提出基于描述逻辑和要素投影的事件本体形式化方法，该方法统一了事件与事件状态的表示方法，建立起事件之间、事件要素之间的语义关系；（3）提出基于Z语言的事件类断言要素的形式化方法，描述事件发生前到事件发生后的状态变化，充分体现出事件的动态性特点；（4）提出了事件类语言表现规则与模式发现方法，该方法使用Apriori算法发现事件类语言表现的核心词关联规则，在语义依存分析的基础上，使用PETreeMiner频繁子树挖掘算法，挖掘事件语言表现核心词搭配模式；（5）提出基于断言要素的推理方法，其结合事件本体的特点，扩展了 Hoare 逻辑，使得其顺序串联推理规则能够满足不确定的两个事件之间的关联，通过分析给出了判断两个事件类关联的方法，展示了事件类之间顺序串联推理的可行性。（6）在事件本体的应用上，提出了基于共现事件的事件网络研究，事件关系网络研究以及基于事件关系的文本摘要自动抽取。（7）提出了基于深度学习的文本事件识别方法，给出了两种不同的深度学习模型，较好的提高了模型的识别效果，同时算法复杂度较低。