多類型數(shù)據(jù)的事件因果關(guān)系研究.pdf

1、因果關(guān)系的研究在于揭示自然和人類社會發(fā)展的本質(zhì)及其規(guī)律，以解釋現(xiàn)象、控制存在、預(yù)測未來，對人類長久以來的生產(chǎn)生活和科學(xué)研究有著非常重要的作用。數(shù)值數(shù)據(jù)和時事文本的事件因果關(guān)系研究，將因果關(guān)系實體的每一次發(fā)生看作是一個事件，利用計算科學(xué)領(lǐng)域的知識和技術(shù)，通過分析處理不同研究領(lǐng)域的數(shù)值數(shù)據(jù)或新聞報道等文本數(shù)據(jù)，以獲取醫(yī)學(xué)、經(jīng)濟、政治、軍事、環(huán)境、科技等領(lǐng)域發(fā)生的事件間的因果關(guān)系，實現(xiàn)對熱點目標事件或目標變量的因果分析和預(yù)測。該研究將計算科學(xué)

2、應(yīng)用于時政分析領(lǐng)域，將因果關(guān)系研究引入文本挖掘，為因果關(guān)系研究提供了一個新的研究思路。
　　目前，因果關(guān)系的研究受到前所未有的廣泛關(guān)注，但仍存在諸多困難和挑戰(zhàn)。至今人們對因果關(guān)系的認識仍存在不足甚至謬誤，因果關(guān)系問題本身及問題環(huán)境都十分復(fù)雜。由于環(huán)境、人為因素的復(fù)雜多變并且不可控，真實環(huán)境下的因果關(guān)系發(fā)現(xiàn)更具挑戰(zhàn)性。而現(xiàn)有的因果發(fā)現(xiàn)、推理算法復(fù)雜，算法性能受限于計算能力和具體應(yīng)用領(lǐng)域，真實復(fù)雜環(huán)境下的算法性能評估更加困難。

3、　　針對以上問題，我們對因果關(guān)系進行了系統(tǒng)性研究，涉及因果關(guān)系的本質(zhì)、性質(zhì)及其分類、因果作用的物理機制、要素、生命周期以及初始變量等問題，以及因果關(guān)系發(fā)現(xiàn)和預(yù)測方法?；谶@些研究和Pearl等人開創(chuàng)的因果關(guān)系經(jīng)典理論和方法，我們提出了性能更高、魯棒性更強的用于多類型數(shù)值數(shù)據(jù)系統(tǒng)的事件因果關(guān)系的研究框架(ICIC_Framework)、因果關(guān)系發(fā)現(xiàn)方法(ICIC_Discovery)、分析方法(ICIC_Analysis)、預(yù)測方法(IC

4、IC_Prediction)和驗證方法。其中事件因果關(guān)系發(fā)現(xiàn)方法ICIC_Discovery無需預(yù)先設(shè)定因果結(jié)構(gòu)(如設(shè)定為無圈結(jié)構(gòu))，利用初始變量和初始團樹，在判定邊和方向之前對變量進行粗略地排序，提高了因果關(guān)系網(wǎng)絡(luò)發(fā)現(xiàn)性能。ICIC_Discovery方法不僅在理論上具有有效性、穩(wěn)定性，在多數(shù)據(jù)集、多評估體系下與多種已有方法比較同樣具有優(yōu)越的性能。本文提出的事件因果關(guān)系分析方法ICIC_Analysis利用ICIC_Discovery

5、發(fā)現(xiàn)的全局或局部網(wǎng)絡(luò)，通過為多類型數(shù)值數(shù)據(jù)系統(tǒng)建立事件因果激勵/抑制模型、分析系統(tǒng)的原因合作競爭機制、因果演化機制以及隱含變量結(jié)構(gòu)等，以抽象地表示和解釋系統(tǒng)的因果作用機制，為事件因果關(guān)系預(yù)測獲取了更多有用信息。本文提出的事件因果關(guān)系預(yù)測方法ICIC_Prediction不同于以往僅利用馬爾科夫毯來預(yù)測目標事件的模式，而是綜合以上因果發(fā)現(xiàn)與分析的結(jié)果和結(jié)論，從當前數(shù)值系統(tǒng)的全局特性出發(fā)，利用當前采樣數(shù)據(jù)預(yù)測目標事件的發(fā)生。
　　本文

6、研究了時事文本的事件因果預(yù)測分析，涉及了因果關(guān)系研究、數(shù)據(jù)挖掘、時政分析等的多學(xué)科交叉領(lǐng)域。時事文本的事件因果關(guān)系研究通常面臨極其復(fù)雜的真實環(huán)境的挑戰(zhàn)，時事事件涉及領(lǐng)域廣泛，數(shù)據(jù)稀疏。本文提出的時事文本的事件因果關(guān)系預(yù)測方法ICIC_Prediction_NewsEvent利用自然語言處理工具提取文本中的時間、地點、事件、涉及人物或機構(gòu)組織等關(guān)鍵信息，并將這些信息編碼為因果關(guān)系發(fā)現(xiàn)方法可以處理的地點、事件和人物組織三類數(shù)值序列。這些由真

7、實環(huán)境的文本序列轉(zhuǎn)換而來的數(shù)值序列往往非常稀疏，我們將時事文本的關(guān)鍵信息按同義詞和近義詞聚類為不同的事件類，以此克服稀疏導(dǎo)致的概率失效問題。計算得到事件類之間的因果關(guān)系后，按時間、地點等信息進行過濾和排序以獲得具體事件的因果關(guān)系結(jié)構(gòu)。在已有因果關(guān)系結(jié)構(gòu)上，ICIC_Prediction_NewsEvent根據(jù)歷史數(shù)據(jù)和當前時間、地點等環(huán)境信息來預(yù)測某類事件的發(fā)生。維基百科年度事件數(shù)據(jù)集上的實驗表明，ICIC_Prediction_New

8、sEvent方法具備一定的時事事件自動預(yù)測能力。
　　真實復(fù)雜環(huán)境下的因果關(guān)系研究方法和結(jié)果的評估驗證是一個非常困難和迫切需要解決的問題。目前已有的評估指標和數(shù)據(jù)集大多針對實驗室的模擬數(shù)據(jù)，領(lǐng)域局限性大、費用昂貴，對未知領(lǐng)域的方法和結(jié)果評估缺乏指導(dǎo)性。針對這些問題，本文采用了理論分析、實驗對比和事實驗證相結(jié)合的評估方法，以驗證ICIC方法在因果關(guān)系研究領(lǐng)域中的多項性能。本文從理論和實驗上論證了ICIC_Discovery方法的有效