Page 254 - 《软件学报》2025年第9期

黄俏娟 等: 基于大语言模型的事件常识知识图谱扩展方法 4165

事件 1: 招待客人.
事件 2: 接待客人.
在计算事件 1 和事件 2 的余弦相似度时, 首先从 ECKG 的语义角色标注数据中获取它们对应的标注数据:
事件 1 标注: 施事: 人 招待 客人/向事: 人.
事件 2 标注: 施事: 人 接待 他人/向事: 人.

表 5 实体类型的分类

实体类型 实体类型标注示例 实体类型 实体类型标注示例
人 朋友/施事: 人 哭泣 时长属性 吃饭时间/当事: 时长属性 短
人群 父母/施事: 人群 争吵 国家 施事: 国家 举办 奥运会/成事: 竞赛
物体 施事: 人 买 材料/受事: 物体 生物属性 睡眠/当事: 生物属性 不足
食物 施事: 人 吃 饼干/受事: 食物 信息传达过程 当事: 人 不能 交流/动事: 信息传达过程
量化属性 二氧化碳浓度/当事: 量化属性 上升 建筑物部件 施事: 人 跳 窗/源事: 建筑物部件
钱财 施事: 人 兑 现金/受事: 钱财 人造物 当事: 人 丢失 物品/客事: 人造物
动物 施事: 人 养 宠物/客事: 动物 植物躯体部件 施事: 人 点燃 木头/变事: 植物躯体部件
外观属性 施事: 人 保持 身材/客事: 外观属性 意向性过程 当事: 人 不能 开车/动事: 意向性过程
心理属性 领事: 人 有 经济压力/属事: 心理属性 电气器件 施事: 人 修 电脑/受事: 电气器件
人躯体部件 手指/变事: 人躯体部件 被 刺破 时间属性 施事: 人 填写 日期/成事: 时间属性
地理区域 当事: 灯 照亮 周围环境/变事: 地理区域 辐射过程 当事: 人 接触 高压电/客事: 辐射过程
生理属性 当事: 人 失去 意识/客事: 生理属性 交通工具部件 施事: 人 踩 油门/受事: 交通工具部件
情绪值 感事: 人 感到 轻松/客事: 情绪值 反常解剖结构 当事: 人 长 皱纹/成事: 反常解剖结构
交通工具 汽车/当事: 交通工具 抛锚 损害过程 当事: 人 出 事故/客事: 损害过程
空间区域 天/位事: 空间区域 下雨 蒸馏酒精饮料 施事: 人 买 啤酒/受事: 蒸馏酒精饮料

接下来, 剔除事件 1 标注和事件 2 标注中句子成分“客人”和“他人”, 得到对应的 ESR (包括中枢语义角色、周
边语义角色和实体类型) 为:
ESR 1 : 施事: 人 招待 向事: 人.
ESR 2 : 施事: 人 招待 向事: 人.
然后, 将事件 1 和事件 2 的整个 ESR (在此例中两个 ESR 相同, 都为“施事: 人 招待 向事: 人”) 通过 text-
embedding-ada-002 模型得到了 1 536 维的嵌入向量. 由于 ESR 1 和 ESR 2 相同, 因此它们的嵌入向量也相同. 这些
向量的前后 4 个维度值 (保留小数点后 4 位) 分别是:
[−0.0200, −0.0163, 0.0249, −0.0093,…, 0.0157, −0.0094, −0.0017, −0.0040].
最后, 通过公式 (1) 计算这两个向量的余弦相似度, 从而得到含实体类型的语义角色标注 1 和标注 2 的余弦
相似度值. 由上述得知这两个标注具有相同的嵌入向量, 因而它们的余弦相似度等于 1.
(2) 关联句子成分的语义角色标注 (semantic role labeling of associated sentence components, SRL-ASC)
通过分析事件的含实体类型语义角色相似度, 我们发觉尽管有些事件在语义角色上具有很高的相似度, 但它
们的实际含义却有所差异. 以事件 3 和事件 4 为例进行说明:
事件 3: 父母爱孩子.
事件 4: 朋友爱不合适的人.
在 ECKG 中, 事件 3 和事件 4 的标注分别为:
事件 3 标注: 父母/施事: 人 爱 孩子/向事: 人.
事件 4 标注: 朋友/施事: 人 爱 不合适的人/向事: 人.
从事件 3 标注和事件 4 标注可以看出, 它们对应的含实体类型语义角色标注相同, 均为“施事: 人 爱 向事: 人”. 但
事件主体分别为“父母”和“朋友”, 客体分别是“孩子”和“不合适的人”, 从而导致整个事件所表达的情感含义存在差异.