本体作为一种优秀的知识表示方法,近年得到广泛的使用。传统本体模型在描述动态知识时存在着许多不足之处,比如缺乏对事物之间的动态变化的描述与概念离散性的问题。因此,以事件为基本单元的事件本体应运而生,基于事件六要素的事件本体,用事件要素将事件中的参与者,地点和时间等有机地整合在一起,避免了传统本体的概念离散性问题。事件本体的出现克服了传统本体存在的缺陷,事件本体的相关研究为人工智能的发展开拓了全新的思路和发展方向。其中,事件本体构建是目前事件本体的研究热点之一,传统本体的构建以手工构建为主,该工作是一项复杂的工作,随着本体规模的不断增加,构建和维护的难度和复杂度也会大幅上升,事件本体更是如此。同时,作为一个本体领域新兴的研究方向,事件本体的构建缺乏相应的构建方法论作为本体开发指导,也缺少配套的构建工具。在事件本体的开发中,最核心的任务是获得特定领域的事件类和事件要素,以及描述事件和事件之间的关系。本文结合自然语言处理和机器学习技术,实现从文本中自动抽取特定领域中的事件和事件关系,从而辅助开发人员在事件本体开发过程中快速获得候选的事件类和事件关系,最终达到事件本体半自动构建的目的。在此基础上,本文还实现了一个基于Web的半自动可视化事件本体构建平台,该平台支持多用户和可视化的事件本体构建。研究工作对提升事件本体的开发效率有积极作用,并促进事件本体构建方法的研究和事件本体的推广应用。本文的主要内容和创新点主要在于:1.基于语义特征和神经网络的中文突发事件识别:事件自动识别是事件本体半自动构建的关键技术之一,主要应用于从文本中自动抽取事件知识。本文将事件识别转化为事件特征向量的分类问题,并应用神经网络技术构建分类器,首先通过突发事件触发词表筛选候选触发词,选取候选触发词周围的词序列作为神经网络的输入,并结合词嵌入特征和语义特征构造输入序列,然后构建了一个基于循环神经网络和卷积神经网络的混合神经网络模型将输入序列转化为特征向量并经过全连接层进行分类识别。实验结果表明本文提出的方法在中文突发事件语料库上的效果要优于传统的机器学习方法,该项研究可以拓展为语料库的自动标注,为今后课题组大规模扩展突发事件语料库的工作提供技术上的支持。2.基于孪生网络的事件因果关系识别:事件本体的构建同样要涉及到事件关系的构建,本工作也是事件本体构建相关技术研究中的一环。本文采用将事件和事件关系映射到向量空间的方法来识别事件之间的因果关系。我们使用事件触发器周围的单词序列作为输入数据,并使用基于事件的孪生循环网络通过将事件表示编码为固定大小向量来对事件建模,然后将这些事件表示应用于关系嵌入训练和预测。实验结果表明,该方法可以对CEC2.0语料库取得比较好的效果。本文的前两项研究内容主要为半自动构建方法和工具的研究服务,主要是为了实现从文本中自动抽取事件相关知识以辅助事件本体的构建。3.事件本体的半自动构建方法和工具研究:现有的本体构建方法和构建工具主要是服务于基于概念的传统本体的构建工作,事件本体的结构与传统本体不同,所以这些方法和构建工具并不完全适用,本文在斯坦福大学的七步法基础上,给出了适用于事件本体的事件本体构建八步法,构建过程中引入了事件本体模式,事件本体模式是对某领域内事件本体的共性进行抽取形成的事件本体模型,事件本体构建八步法通过复用事件本体模式避免本体构建工作中的重复性工作,提升了构建效率。另外,我们还开发了一个基于web事件本体可视化构建工具原型——剩石一号,利用该工具通过半自动构建方式构建了一个大气污染事件本体。