事件处理、知识库处理方法、装置、设备以及存储介质与流程

1.本公开涉及人工智能领域中的知识图谱等技术领域，尤其涉及一种事件处理、知识库处理方法、装置、设备以及存储介质。


背景技术：

2.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.随着人工智能技术的发展，目前，智能设备已具有较强的感知能力，甚至在某些领域智能设备的感知能力超过人类。但是，在认知方面，尤其是在因果推理方面，智能设备与人类还有明显的差距。如何提高智能设备的因果推理能力，是亟待解决的技术问题。


技术实现要素：

4.本公开提供了一种事件处理、知识库处理方法、装置、设备以及存储介质。
5.根据本公开的第一方面，提供了一种事件处理方法，包括：
6.获取第一事件和第一推理类型，所述第一推理类型包括原因类型和/或结果类型；
7.在知识库中查找所述第一事件，所述知识库中包括多个事件和所述多个事件之间的因果关系；
8.响应于查找到所述第一事件，根据所述第一事件和所述第一推理类型，在所述知识库中确定目标事件，所述目标事件包括：所述第一事件的原因事件和/或结果事件。
9.根据本公开的第二方面，提供了一种知识库处理方法，包括：
10.获取文本信息；
11.对所述文本信息进行识别处理，得到所述文本信息对应的原因事件和结果事件；
12.获取所述知识库，所述知识库为空，或者所述知识库包括多个事件和所述多个事件之间的因果关系；
13.根据所述原因事件和所述结果事件，更新所述知识库。
14.根据本公开的第三方面，提供了一种事件处理装置，包括：
15.获取模块，用于获取第一事件和第一推理类型，所述第一推理类型包括原因类型和/或结果类型；
16.查找模块，用于在知识库中查找所述第一事件，所述知识库中包括多个事件和所述多个事件之间的因果关系；
17.处理模块，用于响应于查找到所述第一事件，根据所述第一事件和所述第一推理类型，在所述知识库中确定目标事件，所述目标事件包括：所述第一事件的原因事件和/或结果事件。
18.根据本公开的第四方面，提供了一种知识库处理装置，包括：
19.获取模块，用于获取文本信息和知识库，知识库为空，或者所述知识库包括多个事件和所述多个事件之间的因果关系；
20.识别模块，用于对所述文本信息进行识别处理，得到所述文本信息对应的原因事件和结果事件；
21.更新模块，用于根据所述原因事件和所述结果事件，更新所述知识库。
22.根据本公开的第五方面，提供了一种电子设备，包括：
23.至少一个处理器；以及
24.与所述至少一个处理器通信连接的存储器；其中，
25.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法，或者，执行第二方面所述的方法。
26.根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法，或者，执行第二方面所述的方法。
27.根据本公开的第七方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法，或者执行第二方面所述的方法。
28.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
29.附图用于更好地理解本方案，不构成对本公开的限定。其中：
30.图1为本公开实施例提供的一种应用场景的示意图；
31.图2为本公开实施例提供的一种知识库的示意图；
32.图3为本公开实施例提供的一种知识库处理方法的流程示意图；
33.图4为本公开实施例提供的一种知识库更新过程的示意图；
34.图5为本公开实施例提供的一种知识库的构建过程的示意图；
35.图6为本公开实施例提供的一种事件处理方法的流程示意图；
36.图7为本公开实施例提供的一种显示界面的示意图；
37.图8为本公开实施例提供的另一种显示界面的示意图；
38.图9为本公开实施例提供的另一种事件处理方法的流程示意图；
39.图10为本公开实施例提供的另一种事件处理方法的流程示意图；
40.图11为本公开实施例提供的一种知识库处理装置的结构示意图；
41.图12为本公开实施例提供的一种事件处理装置的结构示意图；
42.图13为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
43.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
44.本公开提供一种事件处理、知识库处理方法、装置、设备以及存储介质，应用于人工智能领域中的知识图谱等技术领域，用以提高智能设备的因果推理能力。
45.为了便于理解本公开提供的技术方案，首先结合图1对本公开实施例的应用场景进行说明。
46.图1为本公开实施例提供的一种应用场景的示意图。如图1所示，该应用场景涉及两个阶段。其中，
47.第一阶段为知识库的构建阶段。其中，知识库是指知识的集合。本公开应用场景中，知识库为因果知识的集合，也可以称为因果知识库。知识库中包括多个事件以及所述多个事件之间的因果关系。
48.示例性的，参见图1，构建设备从多个数据源获取文本信息，从各文本信息中提取出因果事件对，因果事件对中包括原因事件和结果事件。进一步的，构建设备根据提取出的因果事件对，构建得到知识库。
49.第二阶段为利用知识库进行事件推理的阶段。继续参见图1，上述第一阶段构建得到的知识库可以部署到执行设备中。执行设备利用知识库进行事件推理。执行设备也可以称为智能设备。
50.示例性的，将第一事件和推理类型输入至执行设备。推理类型包括原因类型和/或结果类型。当推理类型包括原因类型时，执行设备根据知识库对第一事件进行推理处理，得到目标事件，该目标事件为第一事件的原因事件。当推理类型包括结果类型时，执行设备根据知识库对第一事件进行推理处理，得到目标事件，该目标事件为第一事件的结果类型。当推理类型包括原因类型和结果类型时，执行设备根据知识库对第一事件进行推理处理，得到目标事件，该目标事件包括第一事件的原因事件和结果事件。
51.本公开实施例中，上述的构建设备可以为终端设备或者为服务器。上述的执行设备可以为终端设备或者为服务器。其中，终端设备包括但不限于：智能手机、笔记本电脑、台式电脑、平台电脑、车载设备、智能穿戴设备等。服务器可以为普通服务器或者云服务器。云服务器又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
52.在本公开实施例中，事件是指社会上发生的事情、现象等。例如，“钢铁价格上涨”为一个事件；“a钢铁公司第三季度盈利环比增1.8倍”为一个事件；“a钢铁公司股价上调4.5％”为一个事件。
53.在本公开实施例中，知识库可以视为因果知识的集合。知识库中包括多个事件以及多个事件之间的因果关系。知识库可以有多种形式，例如，可以采用图的形式，或者可以采用表的形式，或者，还可以采用其他表示形式。本实施例对此不作限定。
54.作为一个示例，图2为本公开实施例提供的一种知识库的示意图。该知识库采用图的形式。参见图2，图中包括多个节点以及节点之间的边，其中，边为有向边。每个节点对应一个事件，两个节点之间的边表示事件之间的因果关系。举例而言，事件1对应的节点指向事件2对应的节点，说明事件1和事件2为因果关系，且事件1为原因事件，事件2为结果事件，也就是说，“钢铁价格上涨”导致了“a钢铁公司第三季度盈利环比增1.8倍”。事件2对应的节点指向事件3对应的节点，说明事件2和事件3为因果关系，且事件2为原因事件，事件3为结果事件，也就是说，“a钢铁公司第三季度盈利环比增1.8倍”导致了“a钢铁公司股价上调4.5％”。
55.参见图2可知，本公开实施例中，原因事件和结果事件是相对而言的，事件1是事件2的原因事件，事件2是事件1的结果事件；同时，事件2又是事件3的原因事件，事件3是事件2的结果事件。另外，每个事件的原因事件可以有多个，例如，事件1和事件5均是事件2的原因事件。每个事件的结果事件也可以有多个，例如，事件3和事件4均是事件2的结果事件。
56.本公开实施例中，通过对多个数据源获取的文本信息进行因果事件对的挖掘，构建得到知识库，知识库中包括多个事件以及事件之间的因果关系。这样，智能设备可以利用知识库进行因果事件的推理，提高智能设备的认知能力。
57.下面结合几个具体的实施例对知识库的构建过程进行详细描述。
58.图3为本公开实施例提供的一种知识库处理方法的流程示意图。本实施例的方法可以由图1中的构建设备执行。如图3所示，本实施例的方法包括：
59.s301：获取文本信息。
60.示例性的，可以从多个数据源获取大量的文本信息，针对每个文本信息执行本实施例的方法，以实现构建知识库。其中，每个文本信息可以一个句子或者一个段落。
61.s302：对所述文本信息进行识别处理，得到所述文本信息对应的原因事件和结果事件。
62.示例性的，对所述文本信息进行因果事件挖掘，得到该文本信息中的原因事件和结果事件。需要说明的是，本公开实施例对于因果事件挖掘方式不做限定，下面以两种可能的实现方式为例进行举例说明。
63.一种可能的实现方式中，可以根据文本信息中的预设关键词进行挖掘。其中，预设关键词为表征因果关系的关键词，包括但不限于：因为、所以、由于、因此等。具体而言，在文本信息中检测预设关键词，将关键词“因为”、“由于”之后的事件作为原因事件，将关键词“所以”、“因此”之后的事件作为结果事件。
64.举例而言，假设文本信息为“因为钢铁价格上涨，所以a钢铁公司第三季度盈利环比增1.8倍”，则经过上述挖掘，可以确定出原因事件“钢铁价格上涨”以及结果事件“a钢铁公司第三季度盈利环比增1.8倍”。
65.另一种可能的实现方式中，可以通过机器学习的方式预先训练得到因果事件对提取模型，利用因果事件对提取模型对文本信息进行提取，得到原因事件和结果事件。举例而言，假设文本信息为“受钢铁价格上涨影响，a钢铁公司第三季度盈利环比增1.8倍”，将该文本信息输入至因果事件对提取模型中，因果事件对提取模型对文本信息进行提取处理，输出原因事件“钢铁价格上涨”以及结果事件“a钢铁公司第三季度盈利环比增1.8倍”。
66.本实施例中，可以通过对多组训练样本进行训练，得到上述的因果事件对提取模
型。每组训练样本包括：样本文本，以及对该样本文本进行人工标注得到的原因事件和结果事件。
67.需要说明的是，本实施例对于因果事件对提取模型的网络结果以及训练方式不做限定。可选的，因果事件对提取模型可以为知识增强的语义表示模型(enhanced representation from knowledge integration，ernie)。在对因果事件对提取模型训练过程中，可以采用预训练+微调(fine tune)的训练方式。其中，微调的方式包括但不限于：序列标注、指针网络、多轮问答等。
68.应理解，通过采用因果事件对提取模型对文本信息进行处理，能够提高因果事件对的准确性和召回率。即使在文本信息未显式包含“因为、所以、由于、所以”等关键词的情况下，也能准确提取出原因事件和结果事件。
69.s303：获取知识库，所述知识库为空，或者，所述知识库包括多个事件和所述多个事件之间的因果关系。
70.本公开中，需要对获取到的大量的文本信息进行因果事件对的识别，基于识别结果构建知识库。而本实施例描述的是根据一个文本信息的识别结果对知识库的更新过程。应理解，若本实施例的文本信息为首个文本信息，则获取的知识库为空；若本实施例的文本信息为非首个文本信息，则获取的知识库中包括多个事件和所述多个事件之间的因果关系。
71.s304：根据所述原因事件和所述结果事件，更新所述知识库。
72.示例性的，针对首个文本信息，由于知识库为空，可以直接将原因事件、结果事件以及原因事件和结果事件之间的因果关系，添加至知识库中。针对非首个文本信息，可以根据原因事件和结果事件更新知识库。
73.应理解的是，上述实施例描述的是利用一个文本信息中的因果事件对对知识库的更新过程。当所有文本信息均处理完成之后，即得到构建好的知识库。
74.本实施例提供的知识库处理方法，包括：获取文本信息，对文本信息进行识别处理，得到文本信息对应的原因事件和结果事件；获取知识库，所述知识库为空，或者所述知识库中包括多个事件和所述多个事件之间的因果关系；根据原因事件和结果事件更新知识库。通过上述过程，即可构建得到知识库，该知识库可用于进行因果事件推理。
75.下面结合一个具体的实施例，对知识库的更新过程进行详细说明。
76.图4为本公开实施例提供的一种知识库更新过程的示意图。如图4所示，本实施例的方法包括：
77.s401：确定知识库中是否存在原因事件。
78.换言之，确定原因事件是否与知识库中的某个事件为同一事件。
79.若是，则执行s403。若否，则执行s402。
80.一种可能的实现方式中，可以将原因事件与知识库中的各事件进行文本相似度匹配，确定知识库中是否存在原因事件。该方式适用于两个事件的描述文本较为相似的情况。
81.实际应用中，有可能存在两个事件的描述文本相似度较低，但是二者的语义却是相同的，该情况下，应当认为该两个事件为同一事件。因此，一种可能的实现方式中，还可以采用基于机器学习的方式，从事件语义理解的角度，确定两个事件是否为同一事件。
82.示例性的，通过事件归一模型对所述原因事件和知识库中各事件进行处理，得到
原因事件与知识库中各事件为同一事件的第一概率，根据所述第一概率，确定知识库中是否存在原因事件。例如，若原因事件与知识库中的每个事件为同一事件的第一概率均低于预设阈值，则确定知识库中不存在原因事件。若原因事件与知识库中某个事件为同一事件的第一概率高于或者等于预设阈值，则确定知识库中存在原因事件，并将知识库中的该事件确定为原因事件。
83.本实施例中，可以通过对多组训练样本进行训练，得到上述的事件归一模型。每组训练样本包括：第一样本事件、第二样本事件以及标签，标签用于指示第一样本事件和第二样本事件是同一事件或者不是同一事件。
84.需要说明的是，本实施例对于事件归一模型的网络结果以及训练方式不做限定。可选的，事件归一模型可以为ernie。在对事件归一模型训练过程中，可以采用预训练+微调的训练方式。其中，微调的方式包括但不限于：序列标注、指针网络、多轮问答等。
85.s402：在知识库中添加原因事件。
86.s403：确定知识库中是否存在结果事件。
87.若是，则执行s405。若否，则执行s404。
88.示例性的，通过事件归一模型对所述结果事件和知识库中各事件进行处理，得到结果事件与知识库中各事件为同一事件的第二概率，根据所述第二概率，确定知识库中是否存在结果事件。例如，若结果事件与知识库中的每个事件为同一事件的第二概率均低于预设阈值，则确定知识库中不存在结果事件。若结果事件与知识库中某个事件为同一事件的第二概率高于或者等于预设阈值，则确定知识库中存在结果事件，并将知识库中的该事件确定为结果事件
89.应理解，s403中的事件归一模型与s401中的事件归一模型可以为同一模型。
90.s404：在知识库中添加结果事件。
91.s405：确定知识库中是否存在原因事件和结果事件之间的因果关系。
92.若是，则结束。若否，则执行s406。
93.s406：在知识库中添加原因事件和结果事件之间的因果关系。
94.在上述任意实施例的基础上，下面结合一个具体的示例，对知识库的构建过程进行详细描述。
95.图5为本公开实施例提供的一种知识库的构建过程的示意图。该示例中，假设从多个数据源获取到m个文本信息，需要根据m个文本信息构建得到知识库，m为大于1的整数。下面以图2所示的图形式的知识库为例进行举例说明。知识库的构建过程如下：
96.(1)对文本信息1进行识别处理，得到文本信息1对应的事件e1和事件e2。其中，事件e1为原因事件，事件e2为结果事件。
97.(2)假设此时知识库为空，在空的知识库中添加事件e1对应的第一节点、事件e2对应的第二节点，并添加第一节点与第二节点之间的边，第一节点指向第二节点。参见图5，此时知识库如图5中的501所示。
98.(3)对文本信息2进行识别处理，得到文本信息2对应的事件e2和事件e3。其中，事件e2为原因事件，事件e3为结果事件。
99.(4)由于知识库中已存在事件e2，不存在事件e3，因此，在知识库中添加事件e3对应的第三节点，并添加第二节点与第三节点之间的边，第二节点指向第三节点。参见图5，此
时知识库如图5中的502所示。
100.(5)对文本信息3进行识别处理，得到文本信息3对应的事件e2和事件e4。其中，事件e2为原因事件，事件e5为结果事件。
101.(6)由于知识库中已存在事件e2，不存在事件e4，因此，在知识库中添加事件e4对应的第四节点，并添加第二节点与第四节点之间的边，第二节点指向第四节点。参见图5，此时知识库如图5中的503所示。
102.(7)对文本信息4进行识别处理，得到文本信息4对应的事件e5和事件e2。其中，事件e5为原因事件，事件e2为结果事件。
103.(8)由于知识库中已存在事件e2，不存在事件e5，因此，在知识库中添加事件e5对应的第五节点，并添加第五节点与第二节点之间的边，第五节点指向第二节点。参见图5，此时知识库如图5中的504所示。
104.一些可能的实现方式中，在构建知识库的过程中，还可以将文本信息作为事件之间的因果关系的证据文本，添加至知识库中。示例性的，在上述步骤(2)中，将文本信息1添加至知识库中，并建立文本信息1、第一节点与第二节点之间的边的关联关系，该文本信息1作为事件e1与事件e2之间因果关系的证据文本。在上述步骤(4)中，将文本信息2添加至知识库中，并建立文本信息2、第二节点与第三节点之间的边的关联关系，该文本信息2作为事件e2与事件e3之间因果关系的证据文本。在上述步骤(6)中，将文本信息3添加至知识库中，并建立文本信息3、第二节点与第四节点之间的边的关联关系，该文本信息3作为事件e2与事件e4之间因果关系的证据文件。在上述步骤(8)中，将文本信息4添加至知识库中，并建立文本信息4、第五节点与第二节点之间的边的关联关系，该文本信息4作为事件e5与事件e2之间因果关系的证据文本。
105.该实现方式中，通过将文本信息作为证据文本添加至知识库中，使得知识库中的知识具有追溯性。进而，在利用知识库进行推理时，使得推理过程具有追溯性。
106.一些可能的实现方式中，还可以根据证据文本的来源，确定证据文本的置信度，将证据文本及其置信度添加至知识库中。通过将置信度也添加至知识库中，在利用知识库进行推理时，如果存在多种推理方式，可以基于证据文本的置信度，采用置信度高的推理方式，从而提高推理结果的准确性。
107.上述实施例描述的是知识库的构建过程。下面结合几个具体的实施例对利用知识库进行事件推理的过程进行介绍。
108.图6为本公开实施例提供的一种事件处理方法的流程示意图。本实施例的方法可以由图1中的执行设备执行。如图6所示，本实施例的方法包括：
109.s601：获取第一事件和第一推理类型，所述第一推理类型包括原因类型和/或结果类型。
110.其中，第一事件为待推理的事件。第一推理类型用于指示需要对第一事件进行何种方式的推理。例如，若需要推理得到第一事件的原因事件，则第一推理类型为原因类型。若需要推理得到第一事件的结果事件，则第一推理类型为结果类型。若需要推理得到第一事件的原因事件和结果事件，则第一推理类型包括原因类型和结果类型。
111.一个示例中，图7为本公开实施例提供的一种显示界面的示意图。如图7所示，该显示界面为用于进行因果事件推理的界面。该界面中包括事件输入框，用户可以在输入框中
输入第一事件，例如“钢铁价格上涨”。该界面中还包括推理类型选择控件，用户可以在选择控件中选择原因类型和/或结果类型。
112.一种可能的实现方式中，还可以采用如下方式获取第一事件和第一推理类型：获取事件推理请求，所述事件推理请求中包括待处理信息，所述待处理信息为文本信息或者语音信息。进一步的，对所述待处理信息进行识别处理，得到第一事件和第一推理类型。
113.其中，待处理信息可以为用户以自然语言形式输入的一个问题。作为一个示例，图8为本公开实施例提供的另一种显示界面的示意图。如图8所示，该显示界面中包括输入框，用户可以在输入框中输入待推理的问题，例如“为什么a钢铁公司的股票价格上涨了？”这样，通过对用户输入的问题进行自然语言分析处理，确定出第一事件和第一推理类型。例如，假设用户输入的问题为“为什么a钢铁公司股票价格上涨了？”，则可以识别得到第一事件为“a钢铁公司股票价格上涨”，第一事件类型为“原因类型”。又例如，假设用户输入的问题为“钢铁价格上涨会有什么影响？”，则可以识别得到第一事件为“钢铁价格上涨”，第一事件类型为“结果类型”。
114.s602：在知识库中查找所述第一事件，所述知识库中包括多个事件和所述多个事件之间的因果关系。
115.s603：响应于查找到所述第一事件，根据所述第一事件和所述第一推理类型，在所述知识库中确定目标事件，所述目标事件包括：所述第一事件的原因事件和/或结果事件。
116.本实施例中，知识库可以是采用前述实施例构建得到的知识库。知识库中包括多个事件和所述多个事件之间的因果关系。这样，可以在知识库中查找得到第一事件，进而结合第一推理类型，在知识库中确定出目标事件。
117.一些可能的实现方式中，可以根据第一推理类型，在知识库中确定第一事件对应的至少一个推理事件。举例而言，若第一推理类型为原因类型，则在知识库中找到第一事件的原因事件作为推理事件。若第一推理类型为结果类型，则在知识库中找到第一事件的结果事件作为推理事件。若第一推理类型包括原因类型和结果类型，则在知识库中找到第一事件的原因事件和结果事件作为推理事件。
118.应理解，根据第一推理类型，在知识库中确定出的推理事件的数量为一个或者多个。当推理事件的数量为一个时，直接将该推理事件确定为目标事件。当推理事件的数量为多个时，可以在多个推理事件中确定出目标事件。
119.一些可能的实现方式中，在根据第一事件和第一推理类型，在知识库中确定目标事件之后，还可以包括：生成目标事件对应的展示信息，该展示信息为文本信息或者语音信息，输出该展示信息，或者向预设设备发送该展示信息。例如，当执行设备为终端设备时，可以直接对展示信息进行显示或者播放。当执行设备为服务器时，可以向终端设备发送该展示信息，以使终端设备对展示信息进行显示或者播放。
120.本实施例提供的事件处理方法，包括：获取第一事件和第一推理类型，所述第一推理类型包括原因类型和/或结果类型；在知识库中查找所述第一事件，所述知识库中包括多个事件和所述多个事件之间的因果关系；响应于查找到第一事件，根据第一事件和第一推理类型，在知识库中确定目标事件，所述目标事件包括：第一事件的原因事件和/或结果事件。通过上述过程，实现了利用知识库进行因果事件推理，提高了执行设备的因果推理能力。
121.在图6所示实施例的基础上，对本公开实施例提供的事件处理方法进行更详细的介绍。
122.图9为本公开实施例提供的另一种事件处理方法的流程示意图。本实施例的方法可以作为图6中s602的可能的实现方式。如图9所示，本实施例的方法包括：
123.s901：根据第一事件的文本信息和知识库中各事件的文本信息，分别确定第一事件与知识库中各事件之间的文本相似度。
124.也就是说，从文本角度确定第一事件与知识库中各事件之间的文本相似度。需要说明的是，本实施例对于计算文本相似度的方法不做限定。一个示例中，可以计算第一事件的文本信息和知识库中各事件文本信息的词频-逆文本频率指数(term frequency
–
inverse document frequency，tf-idf)，将tf-idf作为文本相似度。
125.s902：根据所述文本相似度，在所述知识库中确定多个待选事件，其中，所述待选事件与所述第一事件的文本相似度大于或等于预设相似度。
126.本实施例中，s901-s902相当于利用文本相似度，对知识库中的各事件进行了粗筛，筛选出可能与第一事件为同一事件的若干个待选事件。进而，可以在多个待选事件中确定第一事件。
127.一种可能的实现方式中，可以采用s903至s904的方式在多个待选事件中确定第一事件。
128.s903：根据所述第一事件的语义信息和所述待选事件的语义信息，确定所述待选事件对应的匹配概率，所述匹配概率用于指示所述待选事件与所述第一事件为同一事件的概率。
129.s904：将所述多个待选事件中，对应的所述匹配概率最高的待选事件确定为所述第一事件。
130.也就是说，从语义角度确定第一事件与待选事件的匹配概率，进而根据匹配概率，在多个待选事件中查找得到第一事件。s903-s904相当于利用语义相似度，将第一事件与多个待选事件进行精确匹配。
131.一种可能的实现方式中，可以通过事件归一模型对第一事件的语义信息和待选事件的语义信息进行处理，得到待选事件对应的匹配概率。其中，事件归一模型可用于识别两个事件是否为同一事件。应理解，事件归一模型可以采用图4所示实施例中的事件归一模型，此处不做赘述。
132.本实施例中，先根据第一事件与知识库中各事件的文本相似度，在知识库中确定出多个待选事件，再根据第一事件与多个待选事件的匹配概率，在多个待选事件中确定出第一事件。上述过程中，通过先从文本相似维度进行粗筛，再从语义匹配维度进行精确匹配，提高了在知识库查找得到的第一事件的准确性。
133.图10为本公开实施例提供的另一种事件处理方法的流程示意图。本实施例的方法可以作为图6中s603的可能的实现方式。如图10所示，本实施例的方法包括：
134.s1001：获取第一推理深度。
135.本实施例中，第一推理深度是指在对第一事件进行推理时允许的最大推理步数。第一推理深度也可以称为第一推理步数。以图2所示的知识库为例，具有直接连接关系的两个事件之间需要经过一步推理。例如，事件1和事件2之间的推理步数为1，事件1和事件3之
间的推理步数为2，事件1和事件4之间的推理步数为2，事件2和事件5之间的推理步数为1。
136.一些可能的实现方式中，第一推理深度可以为预设深度。另一些可能的实现方式中，第一推理深度可以为用户输入的。例如，在图7所示的显示界面中，还可以包括推理深度对应的选择控件(图7未示出)，用户可以通过该选择控件输入第一推理深度。
137.s1002：根据第一推理类型和第一推理深度，在知识库中确定至少一个推理事件，推理事件与第一事件之间的推理步数小于或等于第一推理深度。
138.其中，推理事件是指根据知识库中的因果关系，采用第一推理类型对第一事件进行推理得到的事件。结合图2所示知识库，若第一推理类型为原因类型，则推理事件为知识库中直接或间接指向第一事件的事件。若第一推理类型为结果类型，则推理事件为知识库中第一事件直接或者间接指向的事件。
139.若第一推理类型为原因类型，则根据第一推理深度，将知识库中第一事件的原因事件确定为至少一个推理事件。例如，结合图2进行举例说明，假设第一事件为事件3，若第一推理深度为1，则确定出的推理事件为事件2。若第一推理深度为2，则确定出3个推理事件，分别为：事件1、事件2、事件5。
140.若第一推理类型为结果类型，则根据第一推理深度，将知识库中第一事件的结果事件确定为至少一个推理事件。例如，结合图2进行举例说明，假设第一事件为事件1，若第一推理深度为1，则确定出的推理事件为事件2。若第一推理深度为2，则确定出3个推理事件，分别为：事件2、事件4、事件5。
141.若第一推理类型包括原因类型和结果类型，则根据第一推理深度，将知识库中第一事件的原因事件和结果事件确定为至少一个推理事件。例如，结合图2进行举例说明，假设第一事件为事件2，若第一推理深度为1，则确定出4个推理事件，分别为：事件1、事件3、事件4和事件5。若第一推理深度为2，则确定出4个推理事件，分别为：事件1、事件3、事件4和事件5。
142.s1003：确定推理事件对应的推理置信度，所述推理置信度用于指示推理事件为第一事件的原因事件或者结果事件的概率。
143.本实施例中，可以根据第一事件和推理事件，确定至少一个证据文本，所述证据文本用于证明推理事件为所述第一事件的原因事件或者结果事件。示例性的，结合图2所示的知识库进行举例说明，针对知识库中具有因果关系的两个事件，例如事件1和事件2，知识库中还可以存储该因果关系对应的证据文本，该证据文本可以是事件1和事件2的来源文本，换言之，事件1和事件2是从证据文本中提取得到的。
144.这样，针对每个推理事件，可以从知识库中获取至少一个证据文本。假设第一事件为事件1，推理事件为事件2，则可以从知识库中获取到一个证据文本，该证据文本用于证明事件1和事件2之间的因果关系。假设第一事件为事件1，推理事件为事件3，则可以从知识库中获取到两个证据文本。其中一个证据文本用于证明事件1和事件2之间的因果关系，另一个证据文本用于证明事件2和事件3之间的因果关系。
145.进一步的，获取到至少一个证据文本之后，可以根据所述至少一个证据文本的置信度，确定推理事件对应的置信度。若证据文本的数量为1，则将该证据文本的置信度，确定为推理事件对应的置信度。若证据文本的数量大于1，则可以对各证据文本的置信度进行加权计算，得到推理事件对应的置信度。
146.s1004：根据推理事件对应的推理置信度，在所述至少一个推理事件中确定所述目标事件。
147.可选的，将至少一个推理事件中，对应的推理置信度最高的推理事件确定为目标事件。这样，确定出的目标事件的数量为1。
148.可选的，对所述至少一个推理事件按照所述推理置信度由高到低的顺序进行排序，将排序后的前m个推理事件确定为所述目标事件，所述m为大于1的整数。这样，确定出的目标事件的数量为m。
149.本实施例中，在利用知识库对第一事件进行推理分析时，通过根据第一推理深度进行相应步数的推理，从而满足不同推理场景的需求。另外，当存在多种推理方式时，可以根据每种推理方式对应的证据文本的置信度，采用置信度高的推理方式，从而提高推理结果的准确性。
150.图11为本公开实施例提供的一种知识库处理装置的结构示意图。本实施例提供的知识库处理装置可以为图1中的构建设备或者为构建设备中的装置。如图11所示，本实施例提供的知识库处理装置1100包括：获取模块1101、识别模块1102和更新模块1103。
151.其中，获取模块1101，用于获取文本信息和知识库，知识库为空，或者所述知识库包括多个事件和所述多个事件之间的因果关系；
152.识别模块1102，用于对所述文本信息进行识别处理，得到所述文本信息对应的原因事件和结果事件；
153.更新模块1103，用于根据所述原因事件和所述结果事件，更新所述知识库。
154.一种可能的实现方式中，所述更新模块1103包括：
155.确定单元，用于确定所述知识库中是否存在所述原因事件；
156.添加单元，用于若所述知识库中不存在所述原因事件，则在所述知识库中添加所述原因事件；
157.所述确定单元，还用于确定所述知识库中是否存在所述结果事件；
158.所述添加单元，还用于若所述知识库中不存在所述结果事件，则在所述知识库中添加所述结果事件；
159.所述确定单元，还用于确定所述知识库中是否存在所述原因事件和所述结果事件之间的因果关系；
160.所述添加单元，还用于若所述知识库中不存在所述原因事件和所述结果事件之间的因果关系，则在所述知识库中添加所述原因事件和所述结果事件之间的因果关系。
161.一种可能的实现方式中，所述确定单元包括：
162.第一确定子单元，用于通过事件归一模型对所述原因事件和所述知识库中各事件进行处理，得到所述原因事件与所述知识库中各事件为同一事件的第一概率，根据所述第一概率，确定所述知识库中是否存在所述原因事件；
163.第二确定子单元，用于通过事件归一模型对所述结果事件和所述知识库中各事件进行处理，得到所述结果事件与所述知识库中各事件为同一事件的第二概率，根据所述第二概率，确定所述知识库中是否存在所述结果事件。
164.本实施例提供的知识库处理装置，可用于执行上述任意方法实施例中由构建设备执行的知识库处理方法，其实现原理和技术效果类似，此处不做作赘述。
165.图12为本公开实施例提供的一种事件处理装置的结构示意图。本实施例提供的事件处理装置可以为图1中的执行设备，或者为执行设备中的装置。如图12所示，本实施例提供的事件处理装置1200包括：获取模块1201、查找模块1202和处理模块1203。
166.其中，获取模块1201，用于获取第一事件和第一推理类型，所述第一推理类型包括原因类型和/或结果类型；
167.查找模块1202，用于在知识库中查找所述第一事件，所述知识库中包括多个事件和所述多个事件之间的因果关系；
168.处理模块1203，用于响应于查找到所述第一事件，根据所述第一事件和所述第一推理类型，在所述知识库中确定目标事件，所述目标事件包括：所述第一事件的原因事件和/或结果事件。
169.一种可能的实现方式中，所述查找模块1202包括：
170.第一确定单元，用于根据所述第一事件的文本信息和所述知识库中各事件的文本信息，分别确定所述第一事件与所述知识库中各事件之间的文本相似度；
171.第二确定单元，用于根据所述文本相似度，在所述知识库中确定多个待选事件，其中，所述待选事件与所述第一事件的文本相似度大于或等于预设相似度；
172.第三确定单元，用于在所述多个待选事件中确定所述第一事件。
173.一种可能的实现方式中，所述第三确定单元包括：
174.第一确定子单元，用于根据所述第一事件的语义信息和所述待选事件的语义信息，确定所述待选事件对应的匹配概率，所述匹配概率用于指示所述待选事件与所述第一事件为同一事件的概率；
175.第二确定子单元，用于将所述多个待选事件中，对应的所述匹配概率最高的待选事件确定为所述第一事件。
176.一种可能的实现方式中，所述第一确定子单元具体用于：
177.通过事件归一模型对所述第一事件的语义信息和所述待选事件的语义信息进行处理，得到所述待选事件对应的匹配概率。
178.一种可能的实现方式中，所述处理模块1203包括：
179.第一处理单元，用于根据所述第一推理类型，在所述知识库中确定所述第一事件对应的至少一个推理事件；
180.第二处理单元，用于在所述至少一个推理事件中确定所述目标事件。
181.一种可能的实现方式中，所述第一处理单元包括：
182.获取子单元，用于获取第一推理深度；
183.第一处理子单元，用于根据所述第一推理类型和所述第一推理深度，在所述知识库中确定所述至少一个推理事件，所述推理事件与所述第一事件之间的推理步数小于或等于所述第一推理深度。
184.一种可能的实现方式中，所述第一处理子单元具体用于：
185.若所述第一推理类型为原因类型，则根据所述第一推理深度，将所述知识库中所述第一事件的原因事件确定为所述至少一个推理事件；
186.若所述第一推理类型为结果类型，则根据所述第一推理深度，将所述知识库中所述第一事件的结果事件确定为所述至少一个推理事件；
187.若所述第一推理类型包括原因类型和结果类型，则根据所述第一推理深度，将所述知识库中所述第一事件的原因事件和结果事件确定为所述至少一个推理事件。
188.一种可能的实现方式中，所述至少一个推理事件的数量大于1；所述第二处理单元包括：
189.第二处理子单元，用于确定所述推理事件对应的推理置信度，所述推理置信度用于指示所述推理事件为所述第一事件的原因事件或者结果事件的概率；
190.第三处理子单元，用于根据所述推理事件对应的推理置信度，在所述至少一个推理事件中确定所述目标事件。
191.一种可能的实现方式中，所述第二处理子单元具体用于：
192.根据所述第一事件和所述推理事件，确定至少一个证据文本，所述证据文本用于证明所述推理事件为所述第一事件的原因事件或者结果事件；
193.根据所述至少一个证据文本的置信度，确定所述推理事件对应的推理置信度。
194.一种可能的实现方式中，所述第三处理子单元具体用于：
195.将所述至少一个推理事件中，对应的所述推理置信度最高的推理事件确定为所述目标事件；
196.或者，
197.对所述至少一个推理事件按照所述推理置信度由高到低的顺序进行排序，将排序后的前m个推理事件确定为所述目标事件，所述m为大于1的整数。
198.一种可能的实现方式中，所述获取模块1201包括：
199.获取单元，用于获取事件推理请求，所述事件推理请求中包括待处理信息，所述待处理信息为文本信息或者语音信息；
200.识别单元，用于对所述待处理信息进行识别处理，得到所述第一事件和所述第一推理类型。
201.一种可能的实现方式中，本实施例提供的事件处理装置还包括：
202.生成模块(图12中未示出)，用于生成所述目标事件对应的展示信息，所述展示信息为文本信息或者语音信息；
203.输出模块(图12中未示出)，用于输出所述展示信息，或者向预设设备发送所述展示信息。
204.本实施例提供的事件处理装置，可用于执行上述任意方法实施例中由执行设备执行的事件处理方法，其实现原理和技术效果类似，此处不做赘述。
205.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
206.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
207.根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
208.图13示出了可以用来实施本公开的实施例的示例电子设备1300的示意性框图。电
子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
209.如图13所示，设备1300包括计算单元1301，其可以根据存储在只读存储器(rom)1302中的计算机程序或者从存储单元1308加载到随机访问存储器(ram)1303中的计算机程序，来执行各种适当的动作和处理。在ram 1303中，还可存储设备1300操作所需的各种程序和数据。计算单元1301、rom 1302以及ram 1303通过总线1304彼此相连。输入/输出(i/o)接口1305也连接至总线1304。
210.设备1300中的多个部件连接至i/o接口1305，包括：输入单元1306，例如键盘、鼠标等；输出单元1307，例如各种类型的显示器、扬声器等；存储单元1308，例如磁盘、光盘等；以及通信单元1309，例如网卡、调制解调器、无线通信收发机等。通信单元1309允许设备1300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
211.计算单元1301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1301的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1301执行上文所描述的各个方法和处理，例如知识库处理方法、事件处理方法。例如，在一些实施例中，知识库处理方法、事件处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1308。在一些实施例中，计算机程序的部分或者全部可以经由rom 1302和/或通信单元1309而被载入和/或安装到设备1300上。当计算机程序加载到ram 1303并由计算单元1301执行时，可以执行上文描述的知识库处理方法、事件处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元1301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行知识库处理方法、事件处理方法。
212.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
213.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
214.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供
指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
215.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
216.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
217.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
218.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
219.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。