前期的文章我们介绍了“知识图谱”的相关内容。传统知识图谱中的知识是静态的，描述的是实体及实体间的关系。

那对于更为广泛的知识的学习、推理和理解场景，知识图谱无法满足需求的情况下，应该如何处理呢？别担心，接下来小编介绍的“事件图谱”可以帮到你。

除实体之外，语义理解的知识来源还有与实体相关的行为、状态、转换等更为重要的具体动作信息。作为一种更高层次的语义单位，事件表达了特定人、物、事在特定时间和特定地点相互作用的客观事实。与实体相比，事件能够更加清晰、精确表示发生的各种事实信息。

因此，和知识图谱相比，事件图谱具有更深入、丰富、精确的语义表示能力。一般来说，实体是一种静态的，而事件偏动态。下图为事件图谱的一个示例：

事件图谱示例

上图展示了收购事件、股价上涨事件和股价下跌事件的事件论元以及事件之间的关联关系。收购事件的收购方是公司A，被收购方是公司B，收购金额是350亿美元，收购时间是2020年10月27日。

由于收购事件导致了股价上涨事件和股价下跌事件的发生，因此收购事件分别与股价上涨事件、股价下跌事件之间具有因果关系及隐含的时序关系。其中，圆圈表示实体，方框表示事件。由于篇幅关系，图中省略了每个事件的事件类型、事件的参与者、发生时间、发生地点、关系的可信度等具体信息。

事件图谱提供事件检测、事件抽取、因果推理、事件检索等技术，可以广泛应用于情报分析、信息检索、自动文摘和舆情分析等多个应用领域。

例如：当事件发生之后，可以利用因果推理技术，推理事件的传导关系，辅助决策，解决信息搜集耗时耗力、不全面的问题。

事件图谱的构建有两项关键技术：一是事件抽取，二是事件关系抽取。

事件抽取分为两个步骤：

第一步是事件的发现和抽取。

事件发现：（又称为“触发词抽取”）目的在于让计算机识别一句话中，是哪一个词语触发了这个类型的事件并且判断触发的事件类型。

触发词(Trigger)：用于标识事件的谓词（一般为动词和名词），又称为“锚”