我们一直在事理图谱的探索和应用路上不断前行。。。

【中科院软件所】数据地平线的金融事理图谱Demo已经和大家见面有一段时间了(Demo地址：http://eg.zhiwenben.com/)，这段时间我们收到了很多用户的建议反馈和合作邀约，大家对产品的认可和喜爱我们深表感谢。

今天，金融事理图谱Demo 3.0大版本正式推出，新版本在算法层面进行了深度优化，并在由因及果基础功能上加入了由果溯因，事件历史实证、事件关系实证以及输入两个事件寻找事件之间的关系链等重大功能更新，下面我将从搜事件和搜关系两方面为大家逐一演示（不了解Demo的用户，可以阅读之前的文章进行了解）。

一、 搜事件：

在日常工作、生活中，我们可能经常会遇到这样的问题：

若A事件发生，它接下来会造成什么结果？又会造成怎样的连锁反应呢？我可以在现在准备些什么以规避风险或者寻求获利呢？

若A事件发生，造成它发生的原因有哪些呢？为什么会形成现在的局面呢？下次在A事件发生前我是不是可以有所动作呢？

本次A事件发生导致了B事件，那这种关系是不是必然的呢？历史上是否出现过A导致B的事件呢？

其实这些问题的答案、事件之间的逻辑勾稽关系都可以从历史数十年的资料中找到并总结出来，但如果靠人力去查找、穷举，会耗费大量的精力且做不到十分完善。但AI可以！在这次的3.0大改版中，我们将为大家完美解决这些问题。

【案例】 如果“货币超发”的前因后果是什么？

1、输入关键词

首先我们打开Demo地址（http://eg.zhiwenben.com/），默认Demo顶部tab标签选中“搜事件”功能，我们只需要从热门搜索中点击“货币超发”或者在搜索框中输入“货币超发”关键词并点击搜索即可查看结果，如下图所示。(此处应当注意，输入事件的时候应当输入一个具体的事件动作，一般是“名词+动词”结构，比如“货币+超发”、“英国+脱欧”，“弹劾+特朗普”等。)

  图1 输入搜索关键词

1、查看默认逻辑

输入关键词后，我们可以看到如下所示的逻辑结构图，默认只显示3级，即：目标事件的原因-目标事件-目标事件的结果，见下图：

图2 货币超发默认逻辑

如图2所示，中间被选中的节点为目标事件，即“货币超发”，目标事件左侧的一列事件可以通过连线箭头方向看出为引发“货币超发”的原因事件，目标事件右侧的一列事件为“货币超发”可能造成的结果事件（或历史上类似事件所造成的结果），为了更准确的表达出逻辑关系，我们将目标事件的原因和结果均作了显示限制，只显示最相关的10个原因和10个结果。

图3 “刺激政策”导致“货币超发”

如图3所示，在逻辑图中我们清晰地看到，“货币超发”的原因之一有“刺激政策”，量化宽松政策是我们最容易想到的货币超发罪魁祸首之一，回想起2008年9月，国际金融危机全面爆发后，中国经济增速快速回落，出口出现负增长，大批农民工返乡，经济面临硬着陆的风险。为了应对这种危局，中国政府于2008年11月推出了进一步扩大内需、促进经济平稳较快增长的十项措施。初步匡算，实施这十大措施，到2010年底约需投资4万亿元，这便是当年“货币超发”的原因：“刺激政策”，这项正确的逻辑在图谱中被完美的表达了出来。

“货币超发”最广为人知的结果之一便是“房价暴涨”，2010年之后，全国人民“喜迎”房价上涨，全面开启“我为房狂”的房地产行业白金新时代，上至精英阶层下至普通百姓皆开口必谈房产投资，各大上市企业更是发现，一年来辛辛苦苦兢兢业业经营企业，倒不如直接买一套房来的收益高，公司报表亏损，年底卖一套房，立马转亏为盈。于是各路“房哥”“房姐”层出不穷，各路贪官一旦被查名下更是几百套房产，其时疯狂谓之“全民炒房”不为过。

以北京为例，图4为北京2008年-2018年房价走势，数据充分证明了“货币超发”所造成的“房价暴涨”这一逻辑，直到2016年“930限购”政策出来后，房价才慢慢降低了涨幅；

图4 2008年-2018年北京平均房价变迁

“货币超发”可能会导致“房价暴涨”的逻辑，也在图谱中准确无误的表达了出来，见图5。

图5 “货币超发”导致“房价暴涨”

1、查看事件、事件逻辑相关资讯实证

a) 查看事件资讯实证

还是以“货币超发”为例，当货币超发出现后，我们会想历史上是否曾经出现过“货币超发”呢？当时造成了什么影响呢？对现在的事件重现会不会有借鉴意义呢？数据地平线事理图谱的Demo也完美的解决了这个问题。如图6所示，当我们在图谱中选中“货币超发”事件节点后，在图谱右侧会显示历史上所有有关“货币超发”的资讯报道。

图6 “货币超发”的资讯

图7 “货币超发”的历史资讯实证

如图7所示，在资讯实证区域，我们可以看到历史上所有有关“货币超发”的新闻资讯。该事件在历史上是否发生过？在发生当时媒体是如何报道的？在发生后引发了何种投资逻辑关系？此类问题，在资讯实证区域都可以找到答案。

资讯列表中会显示新闻资讯的发布时间、标题、来源、内容等，并在资讯列表中直接以红色字体着重显示该篇新闻资讯中提到该目标事件的相关内容，方便用户不必查看全文便可知晓概况；当用户想了解更多资讯内容的时候，点击“查看全文”即可查看该篇新闻资讯的详细内容，在详细内容中，我们依旧以红色字体着重标识了提及该目标事件的部分，方便用户定位，如下图所示：

图8 新闻资讯详情

a) 查看事件逻辑资讯实证

方才我们只是查看单一事件的历史资讯实证，如果想查看所有有关“货币超发à房价暴涨”这一逻辑的新闻资讯应该怎么办呢？我们只需要在事理图谱中选中这两个事件之间的“边”，即可在右侧显示该逻辑的相关资讯，如下图所示：

图9 选中两个事件的边

图10 “货币超发”导致“房价暴涨”的逻辑资讯实证

如图10所示，在我们选中两个事件之间的边之后，右侧资讯实证部分会变为“A事件—导致—B事件”的逻辑资讯实证，此时在资讯列表中展示的资讯都是包含该条逻辑的资讯，方便用户验证此条逻辑在历史上是否出现过，当时是否有新闻报道以及如何报道的。

1、查看更深层次原因、结果

刚才我们在图谱中，只查看了默认3级的逻辑以及资讯实证，如果想了解更深层次的逻辑传导应该怎么做呢？

图11 “货币超发”默认投资逻辑图

在图11中我们可以看到，有一些事件节点的左右两侧各显示一个“+”，表示该节点可以展开更多原因或者结果，详细操作如下：

· 节点左侧有“+”，表示该节点事件有更深层次（或更多）的形成原因，点击“+”则可以查看更深层次（或更多）的原因；

· 节点右侧有“+”，表示该节点事件有更深层次（或更多）的影响，点击“+”则可以查看更深层次（或更多）的影响；

· 节点上没有“+”则表示该事件没有更深层次（或更多）的原因或影响。

我们以“货币超发”导致“房价暴涨”为例，我们可以看到“房价暴涨”节点的左侧和右侧均有“+”，右侧的“+”表示“货币超发”导致了“房价暴涨”，我们可以继续查看“房价暴涨”又会导致什么。左侧的“+”表示“房价暴涨”除了“货币超发”这一个原因外，还有更多其他事件也会造成房价暴涨。

图12 查看房价暴涨所造成的影响

如图12所示，点击“房价暴涨”节点右侧的“+”，我们就可以看到“房价暴涨”所可能造成的影响，我们可以再继续点击最末级事件节点的“+”往下继续展开更深层级事件节点，持续性的探寻更深层次的投资逻辑。

图13 查看房价暴涨更多的形成原因

如图13所示，点击“房价暴涨”左侧的“+”，则展开更多形成“房价暴涨”的原因，我们可以从上图看到，“房价暴涨”除了“货币超发”会导致外，供需失衡、稀缺住宅等原因也会导致“房价暴涨”。

最后，再告诉大家一个使用小技巧，当逻辑图谱层级展开太多，页面节点过多导致页面繁杂的时候，我们只需要将鼠标悬浮到图谱中任意一个节点上，就可以只看该事件节点的“原因-目标节点-结果”3级事件关系，如下图所示：

图14 只查看“原因-目标节点-结果”

一、搜关系

在工作中，我们有时候会遇到这样的问题，我知道事件A，也知道事件B，那它们两者之间会不会存在某种相关性呢？这个时候靠人脑去补全中间的逻辑，将会是一件特别费脑力甚至不可能完成的事情，但是AI可以。

【案例】 “飞机数量增加”和“油价下跌”之间有没有关系呢？

1. 切换到“搜关系”功能

首先我们点击Demo顶部的“搜关系”Tab标签，切换到搜关系功能下，如下图所示，系统会默认先给出一个事件关系：

图15 搜关系

2. 输入原因和结果事件

我们可以直接从人们搜索中选择一个因果事件关系进行搜索，或者手动创建一个因果事件关系进行搜索，我们以手动创建为例：

图16 原因事件和结果事件输入框

首先我们在第一个输入框内输入原因事件，即：“飞机数量增加”；然后我们在第二各输入框内输入结果事件，即：“油价下跌”。然后点击“搜索”按钮，如果两者之间存在某种逻辑关系，则系统会在如下图谱区域直接显示，见下图：

图17“飞机数量增加”和“油价下跌”的搜索结果

1. 查看逻辑关系

从图17中我们可以看到，“飞机数量增加”和“油价下跌”确实存在逻辑关系，并且存在至少20种事件逻辑传导关系，也就是说至少有20条不同的逻辑传导链条，可以从“飞机数量增加”传导到“油价下跌”。系统默认显示“关系链1”的逻辑关系。我们可以点击“关系链2”“关系链3”…等查看更多逻辑链条传导。

我们以“关系链2”为例，查看一下“飞机数量增加”和“油价下跌”之间的关系。

图18 关系链2

如图所示，因为“飞机数量增加”，所以会导致“运力增加”，因为“运力增加”又会导致“企业经营成本上升”，进而导致“企业毛利率下降”，从而引发“市场担忧”，最后导致了“油价下跌”。

1. 查看事件、事件逻辑相关资讯实证

在搜关系功能中，我们一样可以选中某个事件节点或者选中某一组事件节点之间的箭头，来查看图谱右侧对应的资讯实证，操作方式同“搜事件”。

以上是我们本次Demo更新的主要功能，除此之外，我们还有事件与数据关联，事件发生当期历史数据的跟踪、验证，事件舆情跟踪、事件舆情预警、事件数据追踪、事件数据预警、图谱逻辑人工创建等等重大功能在正式版本上已经实现，并已有多家国内头部基金公司开始试用。欢迎感兴趣的个人、机构进行讨论、研究以及合作。我司商务邮箱：mkt@datahorizon.cn。

如有自然语言处理、[知识图谱、事理图谱]、社会计算、语言资源建设等问题或合作，如果对事件知识库有兴趣的落地或者研究，可联系我：
1、我的github项目介绍：https://liuhuanyong.github.io
2、我的csdn博客：https://blog.csdn.net/lhy2014
3、about me:刘焕勇，中国科学院软件研究所，lhy_in_blcu@126.com
4、懂预言者得天下，得语言者分天下，得知识逻辑者，游得天下。