基于核心詞和實(shí)體推理的事件關(guān)系識別方法

楊雪蓉，洪 宇，馬 彬，姚建民，朱巧明

（蘇州大學(xué)計(jì)算機(jī)信息處理重點(diǎn)實(shí)驗(yàn)室，江蘇蘇州215006）

1 引言

事件是指特定時(shí)間和環(huán)境下，由若干角色參與，并表現(xiàn)出某種行為或狀態(tài)特征的客觀事實(shí)（也稱“自然事件”）。文本中的事件則是這一客觀事實(shí)訴諸文字的獨(dú)特語用形式，多見于新聞報(bào)道、評論或博文等。自然事件往往不是孤立個(gè)體，其發(fā)生與發(fā)展往往與外在的其他自然事件有著本源的邏輯關(guān)系，如“因果”（Contingency）和“時(shí)序”（Temporal）關(guān)系等。然而，自然事件一經(jīng)訴諸文字并形成文本中的事件體，成為信息傳播中可讀可解的語言流，則必須遵循自然語言的行文規(guī)律，也使得事件關(guān)系作為重要的邏輯脈絡(luò)，參與文本結(jié)構(gòu)和語義表述的形成過程。因此，表述事件以及事件關(guān)系的文本信息相應(yīng)地蘊(yùn)含著特定的分布規(guī)律。形成一種自動識別和檢測事件關(guān)系的自然語言分析和信息處理機(jī)制，對于面向大規(guī)模信息流中的離散事件，實(shí)現(xiàn)話題推演和話題預(yù)測，有著重要的輔助作用。

事件關(guān)系識別是一種針對“事件間邏輯關(guān)系存在與否”進(jìn)行自動判定的淺層事件關(guān)系檢測任務(wù)。事件關(guān)系檢測任務(wù)分為兩部分：事件關(guān)系識別和事件關(guān)系判定。事件關(guān)系識別通過解析文本結(jié)構(gòu)或語義特征，對文本中描述不同自然事件的文本片段（包括短語、子句、句子和段落）直接給出“有關(guān)”或“無關(guān)”判定結(jié)果。事件關(guān)系判定需要對關(guān)聯(lián)事件給出明確的語義關(guān)系或邏輯關(guān)系標(biāo)簽（如“因果”、“時(shí)序”、“擴(kuò)展”和“對比”等）。因此，預(yù)先確定事件之間是否存在關(guān)聯(lián)性，是深入解析事件邏輯關(guān)系的重要前提條件。

同一話題下的事件由種子事件或活動以及其相關(guān)的外延事件或活動組成。如事件“恐怖分子劫持飛機(jī)撞毀世貿(mào)大廈”是話題“9／11恐怖襲擊”的種子事件，而“襲擊嫌疑犯調(diào)查”是話題“9／11恐怖襲擊”的后續(xù)外延事件。為了更細(xì)粒度的識別事件之間關(guān)聯(lián)與否，將事件關(guān)系識別分為三個(gè)層面：1）“種子事件（Seminal Event）”間的關(guān)系識別（簡稱“SS識別”）；2）“種子事件”與“外延事件（Extensional Event）”間的關(guān)系識別（簡稱“SE識別”）；3）“外延事件”間的關(guān)系識別（簡稱“EE識別”）。

“SS識別”側(cè)重識別一致事件的不同文本描述，現(xiàn)有文本建模和相似度度量方法，如“語言模型（Language Model）”并輔以“KL距離（Kullback－Leibler Divergence）”，已給出較為有效的處理手段?！癝E識別”側(cè)重以種子事件為中心，實(shí)現(xiàn)關(guān)聯(lián)事件的向心內(nèi)聚（即話題聚類），其觀點(diǎn)是同一話題框架下的不同事件一致地與種子事件具有邏輯關(guān)聯(lián)性。然而，“SE識別”忽視了一種重要現(xiàn)象，即雖然同一話題框架下的外延事件向心地關(guān)聯(lián)于同一種子事件（假設(shè)話題未發(fā)生漂移或形態(tài)變異），但外延事件之間卻并非存在必然聯(lián)系。例如，“中菲黃巖島對峙”話題下的外延事件“日本三艦訪菲”和“菲香蕉被滯留”雖然關(guān)聯(lián)于核心事件“中菲對峙”，但兩兩之間并無聯(lián)系?！癊E識別”即是針對這一問題提出的事件關(guān)系識別任務(wù)，其側(cè)重判定外延事件間是否存在邏輯關(guān)系。

相對而言，“SS識別”與“SE識別”的難度較低，前者可通過語義一致性或文本近似性予以判定，后者則可用種子事件作為標(biāo)桿，實(shí)現(xiàn)文本聚類，并判定同一聚類中所有文本蘊(yùn)含的事件皆相關(guān)?！癊E識別”的難度則較高，其待判定的“外延事件對”本身并非一致事件，文字描述必然差異較強(qiáng)，語義或內(nèi)容一致性判定方法無法有效利用；同時(shí)，相關(guān)于同一核心的“外延事件對”之間并非必然關(guān)聯(lián)，現(xiàn)有話題聚類方法并不適用。從而，“EE識別”是針對大規(guī)模離散事件流實(shí)現(xiàn)關(guān)系識別的關(guān)鍵難點(diǎn)。

針對“EE識別”問題，本文提出一種基于事件核心詞和事件實(shí)體關(guān)聯(lián)線索的事件關(guān)系識別方法，該方法利用事件核心詞（Event Term）和事件實(shí)體（Event Entity）的分布特性，構(gòu)建事件關(guān)系邏輯線索，形成目標(biāo)事件的虛擬相關(guān)事件（virtual related event，簡稱vre）集合（即，利用事件的新聞背景得到與目標(biāo)事件相關(guān)聯(lián)的事件），最終建立事件線索（Event Cue，簡稱Ecue）集合，實(shí)現(xiàn)同一話題下事件相關(guān)性的自動識別。

本文組織如下：第2節(jié)介紹事件關(guān)系檢測的相關(guān)工作；第3節(jié)給出事件關(guān)系識別任務(wù)定義；第4節(jié)分析事件中核心詞及實(shí)體的分布特性；第5節(jié)詳細(xì)闡述本文方法；第6節(jié)介紹實(shí)驗(yàn)；第7節(jié)總結(jié)。

2 相關(guān)工作

由于在自動問答、自動文摘和事件預(yù)測等方面應(yīng)用需求的增加，事件關(guān)系檢測逐漸成為新的研究熱點(diǎn)［1］，其中不乏可以在事件邏輯關(guān)系識別研究中借鑒的理論與方法。下面主要分為兩個(gè)方面予以簡介。

·模板匹配法

事件關(guān)系檢測的主要方法之一是借助事件特征的模式匹配，例如，利用事件觸發(fā)詞的關(guān)系模式匹配，根據(jù)人工定義的模板，對文本中符合模板的事件關(guān)系進(jìn)行抽取。Chklovski等［2］利用LSP（Lexcial－Syntactic Pattern，即詞－句匹配模板）抽取具有事件關(guān)系的資源，并將抽取的結(jié)果整理成一個(gè)稱為“VerbOcean”的知識庫。Chklovski等利用人工收集的LSP模板，抽取了6種時(shí)序關(guān)系（similarity，strength，antonymy，enablement，happens和before）的“事件對”。人工定義的事件關(guān)系模板往往受數(shù)量限制，造成關(guān)系檢測的低召回率問題。Pantel［3］通過Espresso算法進(jìn)行自動模板的構(gòu)建，算法在給定少量關(guān)系實(shí)例的情況下，通過機(jī)器學(xué)習(xí)方法對現(xiàn)有模板進(jìn)行迭代擴(kuò)展，在一定程度上改進(jìn)了模板匹配方法的召回率。

·元素分析法

以事件元素為線索的研究大都繼承了Harris［4］的分布假設(shè)。Harris假設(shè)指出，處在同一上下文環(huán)境中的詞語具有相同或相似的含義。Lin［5］提出了一種結(jié)合Harris分布假設(shè)和建立依存樹思想的無監(jiān)督方法，稱為DIRT算法。算法將所有事件構(gòu)造成依存樹形式，樹中的每條路徑表示一個(gè)事件，路徑的節(jié)點(diǎn)表示事件中的詞語。如果兩條路徑的詞語完全相同，則這兩條路徑所表示的事件相同或者相似。Szpektor［6］提出一種基于TE／ASE算法的無監(jiān)督學(xué)習(xí)方法，該方法包含兩步：首先利用ASE算法挖掘相似的事件元素集合；然后使用模板抽取算法，收集包含以上元素的句子，將收集的句子作為模板進(jìn)一步挖掘事件關(guān)系。

馬彬［7］通過分析事件在演化過程中的語義依存規(guī)律，提出一種基于語義依存線索的事件關(guān)系識別方法，該方法通過定位文本信息流中的事件，并分析事件之間的依存特征，挖掘事件關(guān)系的推理線索（即“依存線索”），實(shí)現(xiàn)事件關(guān)系的自動識別。

3 任務(wù)定義

3.1 事件

事件是一種描述特定人、物、事在特定時(shí)間和特定地點(diǎn)相互作用的客觀事實(shí)。事件由事件核心詞和事件實(shí)體組成。事件的核心詞能夠描述一個(gè)事件的發(fā)生，主要為動詞或者動名詞。本文將事件描述的依存分析結(jié)果中與根節(jié)點(diǎn)（“ROOT”節(jié)點(diǎn)）相連的詞作為該事件的核心詞，如圖1所示。

圖1 事件核心詞、依存實(shí)體、共現(xiàn)實(shí)體定義示例

圖1是事件“金正恩當(dāng)選”的依存分析結(jié)果，該句子中與根節(jié)點(diǎn)直接相連的詞是“當(dāng)選”，該詞能夠描述該事件的發(fā)生，因此將“當(dāng)選”作為該事件的核心詞。為了驗(yàn)證該方法的可行性，對隨機(jī)選擇的500個(gè)事件進(jìn)行核心詞標(biāo)注，對比發(fā)現(xiàn)，人工標(biāo)注的核心詞有87.8%與通過依存分析得到的核心詞一致。

事件實(shí)體是指事件的參與者，通常為名詞。本文將事件實(shí)體分為兩種類型：依存實(shí)體（Dependency Entity，DN）與共現(xiàn)實(shí)體（Co－occurence Entity，CN）。依存實(shí)體是指事件描述通過依存分析，與事件核心詞直接相連的實(shí)體，依存實(shí)體與核心詞語義相關(guān)聯(lián)，如圖1中的“金正恩”和“委員長”；共現(xiàn)實(shí)體是指事件描述通過依存分析，不與事件核心詞相連的實(shí)體，如圖1中的“朝鮮”、“勞動黨”等。

事件關(guān)系表示事件之間的邏輯關(guān)系，是事件之間固有的一種客觀存在。本文側(cè)重研究事件之間的語義關(guān)系，即從事件的組成結(jié)構(gòu)以及篇章語義關(guān)系的角度解釋事件的邏輯關(guān)系。

3.2 事件關(guān)系識別

話題檢測任務(wù)中，將包含一個(gè)種子事件或活動及與其直接相關(guān)的事件或活動的語言形式定義為話題［8］。根據(jù)話題的定義，一篇報(bào)道論述的事件或活動與特定話題的種子事件有著直接的聯(lián)系，那么該報(bào)道即與話題相關(guān)。然而，新聞報(bào)道往往包含多個(gè)不同事件的論述，報(bào)道的主題或主體內(nèi)容相關(guān)于話題主旨，并不能保證報(bào)道內(nèi)所有局部事件都相關(guān)于話題。同時(shí)，如前一節(jié)所述，同一話題框架下的外延事件之間也不能保證邏輯相關(guān)，因此，傳統(tǒng)的話題檢測方法僅能實(shí)現(xiàn)對事件關(guān)系的粗粒度識別和檢測，即同一話題下所有事件或活動都與話題本身有直接聯(lián)系，但不能針對話題內(nèi)任意“事件對”之間的關(guān)系給出準(zhǔn)確判定。

同一話題下的事件分為種子事件和外延事件，本文針對同一話題下的任意兩個(gè)外延事件的相關(guān)性進(jìn)行識別。同一話題下的外延事件與種子事件相關(guān)，但并非兩兩相關(guān)。例如，話題“中國和菲律賓黃巖島對峙”中包含如下事件。

事件e1“日本三軍艦訪問菲律賓”

事件e2“菲律賓香蕉在中國港口被滯留”

事件e3“菲律賓香蕉商在中國損失14.4億比索”

事件e4“日本免費(fèi)向菲律賓提供十余艘巡邏船”

上述4個(gè)事件均與話題“中國和菲律賓黃巖島對峙”的核心事件存在直接聯(lián)系。除事件e1和事件e4，事件e2和事件e3存在邏輯關(guān)系外，其他任意兩事件之間并不存在邏輯關(guān)系。同時(shí)，事件的相關(guān)性（Event Relevancy）與事件的相似性（Event Similarity）不同，事件的相關(guān)性是指兩個(gè)事件之間是否具有關(guān)聯(lián)性，因此，僅僅通過兩個(gè)事件的文字表述方式無法判斷關(guān)聯(lián)與否，需要挖掘更多的外部信息，充分利用外部信息輔助事件關(guān)聯(lián)性的識別；而事件的相似性側(cè)重識別一致事件的不同文本描述（事件相同，描述形式多樣），現(xiàn)有文本建模和相似度度量方法，已給出較為有效的處理手段。

本文的核心問題在于如何挖掘話題內(nèi)事件間的推理信息和語義關(guān)聯(lián)特征，通過文本事件的核心詞以及實(shí)體的分布規(guī)律，挖掘事件的推理線索，實(shí)現(xiàn)事件邏輯關(guān)系識別。

4 核心詞及實(shí)體分布分析

事件由核心詞以及相關(guān)實(shí)體組成，同一話題下相關(guān)事件的核心詞和實(shí)體的分布具有較高的相似性和一致性，而不相關(guān)事件的這類信息則沒有表現(xiàn)明顯的相似性和一致性。例如，話題“日本地震”下，以“地震”和“救援”為核心詞的事件具有較強(qiáng)的邏輯關(guān)系；而以“大跌”和“救援”為核心詞的事件往往不具有邏輯關(guān)系；話題“中國和菲律賓黃巖島對峙”下，包含實(shí)體“香蕉”和“中國港口”的事件往往相關(guān)；而包含實(shí)體“漁民”和“香蕉”的事件往往不相關(guān)。因此，事件核心詞和實(shí)體的分布特性將有助于事件關(guān)系的識別。下面分別給出同一話題下實(shí)體和核心詞的分布數(shù)據(jù)并輔以分析說明。

4.1 面向事件關(guān)系的實(shí)體分布分析

分析語料發(fā)現(xiàn)，“相關(guān)事件對”中的實(shí)體分布和“不相關(guān)事件對”中的實(shí)體分布存在較大差異：“相關(guān)事件對”中的實(shí)體種類少但頻度較大，即有關(guān)的實(shí)體分布較為均衡；而“不相關(guān)事件對”中的實(shí)體種類多而且離散，即對應(yīng)的實(shí)體分布較為稀疏。

為了驗(yàn)證以上現(xiàn)象，本文進(jìn)行了相關(guān)的統(tǒng)計(jì)實(shí)驗(yàn)。給定話題“日本地震”，利用互聯(lián)網(wǎng)分別檢索“地震”和“救援”（“相關(guān)核心詞對”）、“救援”和“大跌”（“不相關(guān)核心詞對”），得到與每一個(gè)“核心詞對”相關(guān)的前100個(gè)反饋結(jié)果摘要（Snippy），統(tǒng)計(jì)摘要中出現(xiàn)的事件實(shí)體及其頻度，形成集合“Rset”和“Nset”，其中，“Rset”是“相關(guān)核心詞對”中出現(xiàn)的實(shí)體集合，“Nset”是“不相關(guān)核心詞對”中出現(xiàn)的實(shí)體集合。抽取集合“Rset”和“Nset”中頻率最高的5個(gè)事件實(shí)體，分別統(tǒng)計(jì)每個(gè)實(shí)體在topN（N＝1，2，3，…，100）個(gè)摘要中出現(xiàn)的頻度，如圖2所示。

圖2表示事件實(shí)體出現(xiàn)的頻度隨著摘要數(shù)量的增加而發(fā)生變化的趨勢樣例（針對較大規(guī)模數(shù)據(jù)的統(tǒng)計(jì)如表1所示），其中實(shí)線表示與事件“地震”和“救援”共現(xiàn)事件實(shí)體的頻度；虛線表示與事件“救援”和“大跌”共現(xiàn)事件實(shí)體的頻度。從圖2中可以看出，在同一個(gè)話題下，與“相關(guān)核心詞對”（“地震”和“救援”）共現(xiàn)的實(shí)體在摘要中分布較為均衡（均衡的分布在100個(gè)檢索結(jié)果中），即隨著摘要數(shù)的增加，實(shí)體的頻度呈顯著增長趨勢；而與“不相關(guān)核心詞對”（“救援”和“大跌”）共現(xiàn)的實(shí)體分布較為稀疏，隨著摘要數(shù)量的增加，同一實(shí)體的數(shù)量增長緩慢或者不增長。因此，上述的實(shí)體分布情況反映了相關(guān)事件和不相關(guān)事件中的實(shí)體分布差異，這種分布差異將有助于事件關(guān)系的識別。

圖2 分別與“相關(guān)核心詞對”和“不相關(guān)核心詞”共現(xiàn)的實(shí)體分布樣例

表1 “相關(guān)核心詞對”與“不相關(guān)核心詞”共現(xiàn)實(shí)體分布情況

為了量化地驗(yàn)證以上現(xiàn)象，本文隨機(jī)選擇50個(gè)“相關(guān)核心詞對”和50個(gè)“不相關(guān)核心詞對”，通過從互聯(lián)網(wǎng)檢索最相關(guān)的100個(gè)返回結(jié)果，分別統(tǒng)計(jì)前N（N＝20，40，60，80，100）個(gè)反饋結(jié)果中出現(xiàn)的事件實(shí)體及其頻度（表1）。分析表1發(fā)現(xiàn)，隨著反饋結(jié)果數(shù)量的增加，相關(guān)事件中的實(shí)體種類數(shù)增長緩慢，不相關(guān)事件中的實(shí)體種類數(shù)增加迅速；而相同反饋結(jié)果數(shù)量時(shí)，隨著實(shí)體種類數(shù)的增加，相關(guān)事件中高頻實(shí)體種類數(shù)較多，不相關(guān)事件中高頻實(shí)體種類數(shù)較少。因此，相關(guān)事件實(shí)體的分布具有較高的一致性，該特性能夠有效輔助事件關(guān)系的識別。

4.2 面向事件關(guān)系的核心詞分布分析

在特定話題下，同一實(shí)體往往出現(xiàn)在相同或相似類型的事件中［9］，因此提出以下假設(shè)：相關(guān)事件中的實(shí)體往往參與相同或相似類型的事件，即相關(guān)事件中的實(shí)體參與的事件（核心詞）分布較為集中；而不相關(guān)事件的實(shí)體參與的事件（核心詞）分布較為離散。

為了驗(yàn)證以上假設(shè)，本文從相關(guān)事件集合中選擇50對“相關(guān)實(shí)體對”，同時(shí)從不相關(guān)事件集合中選擇50對“不相關(guān)實(shí)體對”。以“實(shí)體對”作為檢索詞從互聯(lián)網(wǎng)中檢索實(shí)體參與的事件集合，統(tǒng)計(jì)由各個(gè)“實(shí)體對”反饋的事件集合中核心詞的重合度。圖3中實(shí)線部分表示通過檢索“相關(guān)實(shí)體對”得到的核心詞相關(guān)度；虛線部分表示“不相關(guān)實(shí)體對”的核心詞相關(guān)度，其中橫軸表示“實(shí)體對”編號，縱軸表示核心詞重合度。由圖3得出，“相關(guān)實(shí)體對”參與的事件相關(guān)性較大，即相關(guān)聯(lián)事件中的實(shí)體參與的事件具有較強(qiáng)的一致性和關(guān)聯(lián)性（事件種類集中）；而“不相關(guān)實(shí)體對”參與的事件相關(guān)性較小，即不相關(guān)事件的實(shí)體參與的事件種類較多，事件分布較為離散，相關(guān)性較小。

圖3 “相關(guān)實(shí)體對”和“不相關(guān)實(shí)體對”參與的事件分布

因此，利用以上兩種假設(shè)，本文提出一種基于實(shí)體和核心詞推理的事件關(guān)系識別方法。

5 基于核心詞和實(shí)體推理的事件關(guān)系識別方法

本研究致力于探究一種基于核心詞和實(shí)體推理的事件關(guān)系識別方法，其核心思想是：事件相關(guān)性的識別利用事件的核心詞以及實(shí)體的分布特性，挖掘與目標(biāo)事件相關(guān)聯(lián)的事件，形成事件的虛擬相關(guān)事件（vre），再進(jìn)一步通過虛擬相關(guān)事件構(gòu)建事件線索集合（VRE），實(shí)現(xiàn)事件關(guān)系識別。

基于核心詞和實(shí)體推理的事件關(guān)系識別方法包括如下方面：事件定位、事件線索集構(gòu)建和事件關(guān)系推理。方法總體框架如圖4所示。

5.1 事件定位

事件定位的目的是對給定的目標(biāo)事件探索特定文本中的一致或近似描述，從而得到包含該事件描述的文本片段，以此為媒介，抽取定位點(diǎn)的上下文內(nèi)容，挖掘與當(dāng)前事件在核心詞以及實(shí)體有一致性特征的文本片段，形成虛擬相關(guān)事件集。事件定位的處理流程如下：

1）給定事件eA，對其進(jìn)行分詞、詞性標(biāo)注和依存分析等預(yù)處理操作；

2）對語料文本進(jìn)行分句和子句劃分，形成（子句，整句）對集合；

3）計(jì)算事件eA與所有子句相似度（采用編輯距離算法［7］），從中選擇滿足相似度閾值θ且相似度值最大的子句作為定位結(jié)果，記相似度值為simA。

5.2 虛擬相關(guān)事件集構(gòu)建

虛擬相關(guān)事件集的構(gòu)建包含兩項(xiàng)內(nèi)容，其一是初始虛擬相關(guān)事件集構(gòu)建，其二是迭代擴(kuò)展初始虛擬相關(guān)事件集，豐富虛擬相關(guān)事件線索集。下面分別對該兩項(xiàng)內(nèi)容予以介紹。

圖4 事件關(guān)系識別方法的主體框架

·虛擬相關(guān)事件集構(gòu)建

本文利用相關(guān)事件的核心詞以及實(shí)體的分布一致性特點(diǎn)構(gòu)造事件eA的事件線索集合VREA。VREA候選集的構(gòu)建過程具體步驟如下：

1）令eA定位得到的事件描述子句為SubA，SubA與eA的內(nèi)容一致或相似。SubA所在的整個(gè)句子為SA，其組成形式為［Sub1，Sub2，..，SubA，…，Subn］，Subi皆為候選虛擬相關(guān)事件。

2）虛擬相關(guān)事件vreA與事件eA之間的相關(guān)程度用關(guān)聯(lián)因子（correlation factor）γ表示，記作：值越大表示事件eA與vreA之間的關(guān)聯(lián)性越大。γ值的計(jì)算方法如下。

關(guān)聯(lián)因子γ由核心詞關(guān)聯(lián)因子γET、依存實(shí)體關(guān)聯(lián)因子γDN和共現(xiàn)實(shí)體關(guān)聯(lián)因子γCN組成，將三部分的得分進(jìn)行加權(quán)，公式定義為式（1）。

其中，α、β、χ和δ為加權(quán)系數(shù)。

a.核心詞關(guān)聯(lián)因子γET：事件eA與虛擬相關(guān)事件vreA的核心詞分別為ETA和ETvreA，同一個(gè)話題下，與ETA和ETvreA共現(xiàn)的實(shí)體集合分別記為NA和NvreA，計(jì)算NA和NvreA的重合度為γET，如式（2）所示。

b.依存實(shí)體關(guān)聯(lián)因子γDN：分別得到事件vreA與事件eA中的依存實(shí)體集合DNvreA和DNA，統(tǒng)計(jì)同一個(gè)話題下，與每一個(gè)依存實(shí)體共現(xiàn)的核心詞，形成集合ETA和ETvreA，將兩個(gè)事件中的依存實(shí)體兩兩計(jì)算核心詞的重合度，得到γDN，如式（3）所示。

c.共現(xiàn)實(shí)體關(guān)聯(lián)因子γCN：分別得到事件vreA與事件eA中的共現(xiàn)實(shí)體集合CNvreA和CNA，統(tǒng)計(jì)同一個(gè)話題下，與每一個(gè)依存實(shí)體共現(xiàn)的核心詞（除去依存實(shí)體），形成集合ETA和ETvreA，將兩個(gè)事件中的依存實(shí)體兩兩計(jì)算核心詞的重合度，得到γDE，如式（4）所示。

根據(jù)事件相關(guān)因子的計(jì)算方法，得到VREA候選集中的每個(gè)虛擬事件vreAi和eA的關(guān)聯(lián)因子γ，VREA集合中的每一個(gè)元素為每個(gè)虛擬事件vreAi和關(guān)聯(lián)因子γ組成的二元組，表示為：VERA＝｛（verA1，γ1），（verA2，γ2），…，（verAn，γn）｝。

·迭代擴(kuò)展虛擬相關(guān)事件集

由于句子長度有限，所以蘊(yùn)含的事件信息較少，在虛擬相關(guān)事件集構(gòu)造中將獲得數(shù)量有限的候選關(guān)聯(lián)事件。如判定目標(biāo)事件“9／11襲擊致大規(guī)模傷亡”和“美國舉國哀悼”是否相關(guān)，在句子“9／11襲擊導(dǎo)致大規(guī)模人員傷亡，世貿(mào)大樓瞬間倒塌，世界為之震驚。”中構(gòu)建目標(biāo)事件“9／11襲擊致大規(guī)模傷亡”的事件線索集合，僅能獲得虛擬相關(guān)事件“世貿(mào)大樓瞬間倒塌”和“世界為之震驚”。但是，獲得的虛擬相關(guān)事件對目標(biāo)事件的關(guān)系判定無任何幫助。存在于其它文本中的對目標(biāo)事件關(guān)系判斷有輔助作用的信息，如“美國民眾為死難者哀悼”，需要通過對虛擬相關(guān)事件“世貿(mào)大樓倒塌”的進(jìn)一步擴(kuò)展中獲得。鑒于此，本文在已構(gòu)建的初始虛擬相關(guān)事件集合基礎(chǔ)上，通過以下步驟進(jìn)行迭代擴(kuò)展。

1）繼續(xù)將VREA中的每一個(gè)虛擬相關(guān)事件在文本中定位。在定位過程中，濾掉已定位過的句子，即保證包含當(dāng)前虛擬事件的句子不會重復(fù)出現(xiàn)。

2）構(gòu)造當(dāng)前虛擬事件的虛擬相關(guān)事件集合，并計(jì)算與事件eA之間的關(guān)聯(lián)因子，將擴(kuò)展得到的虛擬相關(guān)事件以相關(guān)因子添加到eA的事件線索集合VREA中。

3）迭代上述兩步，直到不滿足迭代條件。通過迭代方法，最終將得到與目標(biāo)事件相關(guān)的虛擬相關(guān)事件集合。

5.3 事件關(guān)系推理

事件關(guān)系推理部分通過聚類予以實(shí)現(xiàn)：同一聚類中的事件兩兩相關(guān)，否則兩個(gè)事件不存在邏輯關(guān)系。事件關(guān)系推理以虛擬相關(guān)事件集為媒介，通過關(guān)聯(lián)因子計(jì)算，度量“目標(biāo)事件對”之間的關(guān)聯(lián)強(qiáng)度，并以此進(jìn)行事件集合的聚類劃分。

本文采用APCluster聚類算法［10］，將該算法原有的相似度轉(zhuǎn)化為事件關(guān)聯(lián)度。事件eA和事件eB的關(guān)聯(lián)度計(jì)算公式如式（5）所示。

d（eA，eB）＝max（sim（vreAi，eB）·γ（eA，vreAi）），vreAi∈VREA（5）其中，d（eA，eB）表示目標(biāo)事件eA和eB的相關(guān)度；vreAi為事件eA的虛擬相關(guān)事件；sim（vreAi，eB）為vreAi和目標(biāo)事件eB通過編輯距離得到的相似度值。該式的基本原理：在計(jì)算eA和eB相關(guān)度過程中，首先考慮和eB的相似度，如果vreAi與eB相似度很高，則可通過vreAi與eA的關(guān)聯(lián)因子γ（eA，vreAi）代替eB與eA的相關(guān)度值。為了更好地避免相似度計(jì)算帶來的誤差，本文將相似度值作為懲罰因子引入。

6 實(shí)驗(yàn)分析

6.1 數(shù)據(jù)集

實(shí)驗(yàn)使用與馬彬［7］相同的數(shù)據(jù)集，從新浪、騰訊等網(wǎng)站的新聞專題中收集6個(gè)話題，平均每個(gè)話題包含32個(gè)新聞事件（外延事件）的30篇新聞報(bào)道。通過三位志愿者對每個(gè)話題下的事件進(jìn)行事件關(guān)系標(biāo)注（“相關(guān)”或“不相關(guān)”），最終獲得2 842個(gè)事件“關(guān)系對”，其中，具有邏輯關(guān)系（即“相關(guān)”）的“事件對”為811對，占總“事件對”的28.5%。

6.2 評價(jià)標(biāo)準(zhǔn)

事件關(guān)系識別任務(wù)中，系統(tǒng)的性能優(yōu)劣主要取決于正確識別出關(guān)聯(lián)關(guān)系的“事件對”個(gè)數(shù)（包括正確判定“相關(guān)事件對”和“不相關(guān)事件對”）。實(shí)驗(yàn)采用文本檢索領(lǐng)域的通用評價(jià)指標(biāo)：準(zhǔn)確率（Precision）、召回率（Recall）和F值。系統(tǒng)的性能由對每個(gè)話題的P值、R值和F值通過宏平均計(jì)算所得。

6.3 實(shí)驗(yàn)結(jié)果及分析

為了測試和比較本文提出的事件關(guān)系識別模型的效果，選擇基于依存線索系統(tǒng)［7］作為基準(zhǔn)系統(tǒng)（Baseline）。首先在訓(xùn)練集上對式（1）中加權(quán)系數(shù)進(jìn)行調(diào)整，使其獲得最佳結(jié)果，隨后將最佳取值應(yīng)用到測試集中，加權(quán)系數(shù)的取值分別為：α＝0.5、β＝0.5、χ＝0.7和δ＝0.3。實(shí)驗(yàn)結(jié)果如表2所示。本文提出的方法相對于Baseline在F值上獲得了7.68%的提高，在保證事件關(guān)系識別精確率P值的情況下，大大提升了事件關(guān)系識別召回率，即獲得了15.34%的提高。

表2 系統(tǒng)實(shí)驗(yàn)結(jié)果

本文通過對現(xiàn)有的虛擬相關(guān)事件進(jìn)行迭代，獲得更豐富的相關(guān)事件集合，迭代次數(shù)的選擇對系統(tǒng)的性能有一定的影響。圖5顯示了在測試集中，不同迭代次數(shù)下的系統(tǒng)性能，從圖5中可以看出，迭代次數(shù)為5時(shí)，系統(tǒng)的性能最優(yōu)。因此，在測試集合中，選擇5作為最終的迭代次數(shù)。

圖5 迭代次數(shù)的訓(xùn)練結(jié)果

為了進(jìn)一步與Baseline進(jìn)行對比，分別對識別為有關(guān)系的“事件對”集合和無關(guān)系的“事件對”集合進(jìn)行分析，結(jié)果如表3所示。其中Baseline－Coincide為Baseline的識別正確，且本文方法也識別正確的比例；Our－Coincide為本文識別正確，而Baseline沒有識別正確的比例。從表3看出，Baseline識別為有關(guān)系的“事件對”只有25.00%能被本文方法正確判斷為有關(guān)系，而本文識別為有關(guān)系的“事件對”僅有5.80%能被Baseline識別正確。

表3 對比實(shí)驗(yàn)結(jié)果

分析實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，Baseline識別為有關(guān)系的而本文方法識別錯(cuò)誤的“事件對”之間存在較強(qiáng)的依存關(guān)系，但是事件中的實(shí)體和核心詞的出現(xiàn)頻率較低（實(shí)體省略現(xiàn)象嚴(yán)重），例如句子“朝鮮藐視安理會決議，仍堅(jiān)持發(fā)射衛(wèi)星?！卑氖录俺r仍堅(jiān)持發(fā)射衛(wèi)星”中實(shí)體“朝鮮”省略。此類事件通過本文方法構(gòu)造的線索集合較為稀疏，很難有效輔助事件關(guān)系識別。本文方法識別為有關(guān)系而Baseline識別錯(cuò)誤的事件，通過本文方法構(gòu)建的線索較為充分，彌補(bǔ)了因子句依存分析性能不佳造成的影響，對出現(xiàn)較為頻繁的事件的關(guān)系識別性能較優(yōu)。然而，兩種方法對于不相關(guān)事件的識別性能較為接近。因此，在相關(guān)聯(lián)事件的識別工作中，今后可以將兩種方法進(jìn)行融合，以提升事件關(guān)系識別的性能。

圖6分別給出本文系統(tǒng)和Baseline對每一個(gè)話題中“相關(guān)事件對”（左）和“不相關(guān)事件對”（右）的識別結(jié)果，其中，白色部分為本文系統(tǒng)的識別結(jié)果，灰色部分為Baseline的識別結(jié)果。從圖6可看出，本文對“相關(guān)事件對”的識別相對于Baseline有很大的提高，這是由于在構(gòu)建事件線索集時(shí)，Baseline有60.07%的事件不存在事件線索集，而本文方法有27.7%的事件沒有獲得事件線索集。因此，本文的方法能夠構(gòu)造更豐富的事件線索集，從而提高事件關(guān)系的識別效果；然而，本文方法對“不相關(guān)事件對”的識別提高不明顯。

圖6 “相關(guān)事件對”（左）和“不相關(guān)事件對”（右）識別性能

但是，相關(guān)聯(lián)事件的識別性能依然不理想。其中，實(shí)體省略現(xiàn)象較為明顯，對事件線索的構(gòu)建有一定的影響。其次，語料資源有限對事件線索的迭代擴(kuò)展也具有一定的限制。本文在事件線索構(gòu)建過程中采用的是本地的新聞?wù)Z料資源，規(guī)模具有一定的局限性，在以后的工作中可以通過搜索引擎，利用互聯(lián)網(wǎng)信息進(jìn)行線索集的構(gòu)建。另外，本文對于事件核心詞的選擇仍需優(yōu)化。分析實(shí)驗(yàn)結(jié)果中的核心詞發(fā)現(xiàn)，系統(tǒng)識別的一些核心詞語并不能真正的表述事件的發(fā)生。原因主要有兩點(diǎn)：一是在虛擬相關(guān)事件構(gòu)建過程中引入的子句含有較多的噪聲，如子句“劉金哲說”、“發(fā)言人表示”、“朝鮮官方宣布”等，因此，抽取出的核心詞（如“說”、“表示”和“宣布”）對事件間的“區(qū)分”貢獻(xiàn)較小，這必將對構(gòu)建事件線索集造成影響；二是事件核心詞語的抽取性能還需提高，對比系統(tǒng)的核心詞識別結(jié)果和人工標(biāo)注的核心詞集合，準(zhǔn)確率為87.5%。因此，會在一定程度上影響系統(tǒng)的性能。

7 總結(jié)

本文針對同一話題下事件關(guān)系識別任務(wù)提出一種基于核心詞和實(shí)體推理的事件關(guān)系識別方法。該方法通過利用事件的核心詞以及事件實(shí)體在相關(guān)事件中分布的一致性，形成目標(biāo)事件的虛擬相關(guān)事件集合，實(shí)現(xiàn)事件間關(guān)聯(lián)性的識別。實(shí)驗(yàn)結(jié)果表明，該方法優(yōu)于基于事件語義依存線索的事件關(guān)系識別方法。

然而，本文對事件線索集的構(gòu)建還需改進(jìn)，因?yàn)槿杂胁糠质录o法通過本文的方法構(gòu)建虛擬相關(guān)事件集合。同時(shí)，本文對事件核心詞的挖掘方法也需要進(jìn)一步優(yōu)化，以避免在實(shí)驗(yàn)過程中引入噪聲。本文采用的APCluster聚類算法僅僅利用事件分布一致性特征，并沒有充分利用事件聚類過程中的層次結(jié)構(gòu)信息，后續(xù)工作可嘗試采用層次聚類算法，利用聚類過程中的層次強(qiáng)度特性輔助事件關(guān)系識別。另外，在事件關(guān)系識別基礎(chǔ)上，進(jìn)一步確定事件的關(guān)系類別，即事件關(guān)系類型的定義和判定。

［1］ W J Li，W Xu，M L Wu，et al.Extractive summarization using inter－and intra－event relevance［C］／／Proceedings of the 21st International Conference on Computational Linguistics and 44th Annual Meeting of the Association for Computational Linguistics，2006：369－376.

［2］ T Chklovski，P Pantel.Global path－based refinement of noisy graphs applied to verb semantics［C］／／Proceedings of the Joint Conference on Natural Language Processing，Jeju Island，Korea，2005：792－803.

［3］ P Pantel，M Pennacchiotti.Espresso：leveraging generic patterns for automatically harvesting semantic relations［C］／／Proceedings of the 21st International Conference on Computational Linguistics and 44th Annual Meeting of the ACL，Sydney，Australia，2006：113－120.

［4］ Z S Harris.Mathematical Structure of Language［M］.New York，1968.

［5］ D Lin，P Pantel.Discovery of Inference Rules from Text［C］／／Proceedings of the 7th ACM SIGKDD，San Francisco，California，USA，2001：323－328.

［6］ I Szpektor，H Tanev，I Dagan，et al.Scaling Webbased Acquisition of Entailment Relations［C］／／Proceedings of the Conference on Empirical Methods in Natural Language Processing，Barcelona，Spain，2004：41－48.

［7］ 馬彬，洪宇，楊雪蓉，姚建民，朱巧明.基于語義依存線索的事件關(guān)系識別方法研究［J］.北京大學(xué)學(xué)報(bào)，2012，6：109－116.

［8］ 洪宇，張宇，劉挺，李生.話題檢測與跟蹤的評測及研究綜述.中文信息學(xué)報(bào)［J］，2007，6：71－84.

［9］ Y Hong，J F Zhang，B Ma，et al.Using Cross－Entity Inference to Improve Event Extraction［C］／／Proceedings ACL 2011：1127－1136.

［10］ B J Frey，D Duerk.Clustering by Passing Messages Between Data Points［J］.Science.2007，315：972－976.