探索ASER：大规模事件知识图谱的宝藏

在人工智能和自然语言处理的世界中，理解语境中的行为、状态和事件及其关系是至关重要的。为此，我们引荐一个强大的开源工具——ASER（Activities, States, Events, and their Relations）。这个大型的、加权的事件知识图谱包含数以亿计的活动、状态、事件节点以及它们之间的连接。

项目介绍

ASER是一个创新的知识库，它通过选择特定的依存关系模式从文本中提取事件性信息，并基于语篇关系（如结果关系）来构建这些事件之间的边。此外，该项目还进行了概念化处理，将事件提升到更抽象的层次，进一步增强其通用性。目前，ASER分为三个版本：

• ASER (full) 包含4亿3千8百万个事件和6亿4千8百万条边。
• ASER (core) 包含53百万个事件和52百万条边。
• ASER (concept) 利用Probase（现为Microsoft Concept Graph），包含了15百万个概念化的事件和2亿2千4百万条边。

项目主页提供了详细信息和数据下载链接：https://hkust-knowcomp.github.io/ASER/。并且，即将上线的在线演示将让用户体验更加直观。

项目技术分析

ASER采用先进的自然语言处理技术，包括依存句法分析和语篇关系识别。其核心算法通过选取特定的依赖树结构模式来抽取事件实体，再利用语篇分析的规则建立事件间的关联。这一过程有效地捕获了文本中的深层知识结构。最新的ASER 2.1版本引入了原始文本标记作为事件，并通过依赖解析器检查完整性。

应用场景

ASER可以广泛应用于多个领域，如：

• 智能问答：帮助系统理解和回答涉及复杂事件链的问题。
• 机器阅读理解：提供上下文理解的背景知识。
• 情感分析：捕捉事件之间的因果关系以理解情绪变化。
• 自然语言生成：用于创造多样性和连贯性的文本。
• 常识推理：作为基础资源，支持复杂的推理任务。

项目特点

• 大规模: 拥有数亿级的事件节点和边，覆盖广泛的主题和情境。
• 精细粒度: 事件不仅包括基本动作，还包括状态和事件，以及它们的相互作用。
• 事件关系: 基于语篇关系的边，揭示了事件之间的动态和因果联系。
• 可扩展性: 通过概念化处理，能够泛化知识并适应新的场景。
• 开放源代码: 提供完整的构建流程，方便研究人员和开发者使用和改进。

要开始探索ASER，请参考get_started.ipynb或项目文档。立即行动，利用ASER释放你的下一个自然语言处理项目潜力！

---

引用:

@article{ZhangLPKOFS22,
  author    = {Hongming Zhang and
               Xin Liu and
               Haojie Pan and
               Haowen Ke and
               Jiefu Ou and
               Tianqing Fang and
               Yangqiu Song},
  title     = {{ASER:} Towards Large-scale Commonsense Knowledge Acquisition via Higher-order Selectional Preference over Eventualities},
  journal   = {Artificial Intelligence},
  volume    = {309},
  pages     = {103740},
  year      = {2022},
}

@inproceedings{ZhangLPSL20,
  author    = {Hongming Zhang and
               Xin Liu and
               Haojie Pan and
               Yangqiu Song and
               Cane Wing{-}Ki Leung},
  title     = {{ASER:} {A} Large-scale Eventuality Knowledge Graph},
  booktitle = {WWW},
  pages     = {201--211},
  year      = {2020}
}

准备好挖掘ASER的无限潜能了吗？赶紧行动起来，加入这个激动人心的知识探索之旅吧！