國(guó)內(nèi)事理圖譜研究進(jìn)展與未來(lái)展望

摘要：作為新的知識(shí)表示方法，事理圖譜聚焦于事件及其關(guān)系的動(dòng)態(tài)性知識(shí)研究已吸引國(guó)內(nèi)不少學(xué)者關(guān)注。文章從文獻(xiàn)計(jì)量的視角出發(fā)，利用CiteSpace、SATI3.2等工具，分析事理圖譜相關(guān)研究發(fā)文趨勢(shì)、發(fā)文作者及機(jī)構(gòu)合作網(wǎng)絡(luò)、高頻關(guān)鍵詞及研究熱點(diǎn)，探究國(guó)內(nèi)事理圖譜研究動(dòng)向。分析結(jié)果表明，當(dāng)前事理圖譜研究還在成長(zhǎng)階段，以局部合作研究為主，尚未形成緊密的科研合作網(wǎng)絡(luò)，研究主題聚焦在事理圖譜構(gòu)建流程、關(guān)鍵構(gòu)建技術(shù)與實(shí)踐應(yīng)用三方面。

關(guān)鍵詞：事理圖譜；文獻(xiàn)計(jì)量；CiteSpace

中圖分類(lèi)號(hào)：G353.1" 文獻(xiàn)標(biāo)志碼：A

0 引言

事件是發(fā)生在某個(gè)特定時(shí)間和情形下，由一個(gè)或多個(gè)個(gè)體參與的一個(gè)或多個(gè)動(dòng)作組成的事情或者狀態(tài)的改變^［1］。它是驅(qū)動(dòng)人類(lèi)社會(huì)活動(dòng)的核心概念，也是理解社會(huì)和個(gè)體行為復(fù)雜性、探索事物演化發(fā)展趨勢(shì)的關(guān)鍵。相比靜態(tài)的數(shù)據(jù)或?qū)嶓w，以事件作為知識(shí)的基本單元更能反映客觀世界的動(dòng)態(tài)性和復(fù)雜性。然而，當(dāng)前的知識(shí)圖譜、語(yǔ)義網(wǎng)絡(luò)等知識(shí)庫(kù)均以實(shí)體為研究對(duì)象，聚焦于實(shí)體的屬性、與實(shí)體間的關(guān)系，缺乏對(duì)事理邏輯知識(shí)的挖掘與事件演化機(jī)制和傳播路徑的探究。事理圖譜的出現(xiàn)則為揭示事件之間的邏輯關(guān)系、演化規(guī)律提供了一種可能。有學(xué)者斷言事理圖譜是知識(shí)圖譜的下一代^［2］。那事理圖譜究竟是什么？其研究進(jìn)展及應(yīng)用如何？本文通過(guò)文獻(xiàn)計(jì)量分析，為學(xué)者梳理出事理圖譜研究動(dòng)態(tài)，為后續(xù)研究和實(shí)踐應(yīng)用提供參考和借鑒。

1 相關(guān)概念

事理圖譜與知識(shí)圖譜有著很大的源遠(yuǎn)。自Google公司2012年提出知識(shí)圖譜（Knowledge Graph）的概念后，學(xué)術(shù)界開(kāi)始進(jìn)行知識(shí)圖譜相關(guān)研究。知識(shí)圖譜是真實(shí)世界中存在的各種實(shí)體、概念及其關(guān)系構(gòu)成的語(yǔ)義網(wǎng)絡(luò)圖，以圖譜化形式描述真實(shí)世界中各類(lèi)事物及其關(guān)聯(lián)關(guān)系^［3］。但它側(cè)重于實(shí)體關(guān)系的描述，在動(dòng)態(tài)特征描述和推理規(guī)則學(xué)習(xí)方面還有一些不足。因此，學(xué)者們開(kāi)始投入到以事件為主體的知識(shí)圖譜研究。國(guó)內(nèi)最初研究起步于哈工大社會(huì)計(jì)算與信息檢索研究中心劉挺教授團(tuán)隊(duì)，2017年，團(tuán)隊(duì)中Li等^［4］首次提出了事件進(jìn)化圖（Event Evolutionary Graph，EEG）的概念，描述了事件之間的邏輯關(guān)系，并用它來(lái)發(fā)現(xiàn)事件的演化規(guī)律并預(yù)測(cè)后續(xù)事件。2018年又提出了基于事件鏈構(gòu)建敘事事件演化圖（Narrative Event Evolutionary Graph，NEEG）。2019年，正式提出事理圖譜（Event Logic Graph，ELG）的概念，將事理圖譜定義為描述事件之間演化規(guī)律和模式的事理邏輯知識(shí)庫(kù)，形式為有向環(huán)圖，圖中的節(jié)點(diǎn)表示抽象事件，定義為泛化、語(yǔ)義完備的謂詞短語(yǔ)或片段；圖中的有向邊表示事件之間的順承、因果、條件或上下位等關(guān)系，邊上標(biāo)注概率信息、邏輯規(guī)則概率分布^［5］。此后，事理圖譜的概念被國(guó)內(nèi)較多學(xué)者沿用。

2 研究設(shè)計(jì)

2.1 數(shù)據(jù)來(lái)源

為梳理國(guó)內(nèi)事理圖譜的進(jìn)展，筆者選擇了中國(guó)知網(wǎng)（CNKI）作為文獻(xiàn)來(lái)源。鑒于事理圖譜作為一個(gè)新興的概念還在探索階段，筆者選取了事理圖譜及其相關(guān)概念進(jìn)行檢索，構(gòu)建了檢索式為主題=“事理圖譜”or“事理知識(shí)圖譜”or“事理圖”or“事件演化圖”，檢索時(shí)間為2024年9月8日，共檢索出262篇文獻(xiàn)，通過(guò)瀏覽標(biāo)題與摘要剔除無(wú)關(guān)文獻(xiàn)后，共得到相關(guān)研究文獻(xiàn)255篇，其中期刊及會(huì)議論文134篇，學(xué)位論文121篇。

2.2 研究方法

本文使用文獻(xiàn)計(jì)量方法，綜合運(yùn)用CiteSpace、SATI3.2、Excel等計(jì)量或統(tǒng)計(jì)分析軟件，抽取文獻(xiàn)發(fā)表年份、作者、作者機(jī)構(gòu)、關(guān)鍵詞等要素進(jìn)行可視化分析，通過(guò)合作網(wǎng)絡(luò)分析發(fā)文核心作者、機(jī)構(gòu)及其合作關(guān)系，通過(guò)關(guān)鍵詞聚類(lèi)網(wǎng)絡(luò)分析領(lǐng)域研究熱點(diǎn)，以此探究事理圖譜研究動(dòng)態(tài)。

3 研究結(jié)果分析

3.1 事理圖譜研究總體特征

3.1.1 發(fā)文趨勢(shì)分析

領(lǐng)域內(nèi)相關(guān)論文數(shù)量一定程度上反映了該領(lǐng)域的受關(guān)注程度。圖1展示了國(guó)內(nèi)事理圖譜相關(guān)研究發(fā)文趨勢(shì)，從中可以看到，國(guó)內(nèi)的事理圖譜相關(guān)研究始于2018年，此后文獻(xiàn)量逐年增長(zhǎng)。早期處于萌芽階段，2021年受到學(xué)者關(guān)注開(kāi)始大規(guī)模上升，近3年持續(xù)高漲（占總文獻(xiàn)量的60%以上），這一定程度上說(shuō)明了事理圖譜的熱度。為觀察未來(lái)研究趨勢(shì)，使用Excel的FORECAST.ETS函數(shù)，基于2018—2023年發(fā)文量，預(yù)測(cè)今后3年發(fā)文趨勢(shì)。從預(yù)測(cè)趨勢(shì)線(xiàn)看，事理圖譜相關(guān)研究還在成長(zhǎng)階段，未來(lái)還有很大的研究空間。

3.1.2 發(fā)文作者及機(jī)構(gòu)分析

發(fā)文作者及機(jī)構(gòu)分析有助于捕捉領(lǐng)域內(nèi)高產(chǎn)作者群及其合作情況。通過(guò)SATI3.2對(duì)發(fā)文作者進(jìn)行統(tǒng)計(jì)，255篇論文共計(jì)出現(xiàn)479位作者。除學(xué)位論文外，134篇期刊及會(huì)議論文出現(xiàn)375位作者，篇均作者3.32人次，表明事理圖譜相關(guān)研究具有一定復(fù)雜性，有較強(qiáng)的合作趨勢(shì)。普萊斯定律認(rèn)為某一領(lǐng)域中大約一半的科學(xué)論文是由總作者數(shù)平方根數(shù)量的作者所撰寫(xiě)的，用數(shù)學(xué)公式表示為∑im+1n（x）=N，其中：i表示領(lǐng)域內(nèi)發(fā)文最多的作者發(fā)文數(shù)；n（x）表示撰寫(xiě)x篇論文的作者數(shù)量；N表示作者總數(shù)^［6］。根據(jù)計(jì)算，高產(chǎn)作者總數(shù)為375≈19.4，近似為發(fā)文量排名前20的作者為該領(lǐng)域內(nèi)活躍貢獻(xiàn)者。表1呈現(xiàn)了前10名高產(chǎn)作者分布情況，其中發(fā)文量最高的是吉林大學(xué)商學(xué)與管理學(xué)院張海濤教授，共6篇。從高產(chǎn)作者所屬機(jī)構(gòu)來(lái)看，具有圖書(shū)情報(bào)學(xué)科背景或計(jì)算機(jī)科學(xué)技術(shù)背景的科研人員是事理圖譜研究的主要群體。

圖2為作者及機(jī)構(gòu)合作網(wǎng)絡(luò)圖譜，其中學(xué)位論文由作者獨(dú)立完成，所以未納入合作分析中。整體來(lái)看，網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)為163，連線(xiàn)數(shù)為206，網(wǎng)絡(luò)密度為0.0156，布局呈現(xiàn)總體分散、局部集中的特點(diǎn)，表明跨機(jī)構(gòu)的交流相對(duì)較少，合作較為分散，以局部機(jī)構(gòu)內(nèi)合作研究為主。觀察局部節(jié)點(diǎn)，發(fā)現(xiàn)當(dāng)前國(guó)內(nèi)事理圖譜研究初步形成一些內(nèi)聚的小型科研合作群體，如吉林大學(xué)張海濤合作群，關(guān)注重大突發(fā)事件的事理圖譜研究；東北師范大學(xué)唐燁偉合作群，聚集于教師教學(xué)領(lǐng)域信息技術(shù)應(yīng)用能力的事理圖譜構(gòu)建研究；北京工業(yè)大學(xué)單曉紅合作群，側(cè)重事理圖譜在網(wǎng)絡(luò)輿情預(yù)測(cè)中的應(yīng)用研究。有所突破的是，南京大學(xué)信管院與武漢理工大學(xué)、南京農(nóng)業(yè)大學(xué)展開(kāi)了跨地域跨機(jī)構(gòu)跨學(xué)科的知識(shí)交流與科研合作。

3.1.3 關(guān)鍵詞分析

關(guān)鍵詞是論文作者基于對(duì)文章整體內(nèi)容的把握而概括總結(jié)的詞語(yǔ)，也是文章內(nèi)容的提煉與濃縮。筆者使用SATI3.2提取論文關(guān)鍵詞，共得到620個(gè)關(guān)鍵詞，累計(jì)出現(xiàn)1174次，平均出現(xiàn)頻率為1.8。根據(jù)詞頻g指數(shù)^［9］確定出現(xiàn)頻次在5及以上的前19個(gè)關(guān)鍵詞為高頻詞，如表2所示。

從表2來(lái)看，事件抽取、關(guān)系抽取、事件泛化等關(guān)鍵詞頻繁出現(xiàn)，表示多數(shù)研究集中為事理圖譜的構(gòu)建流程：從網(wǎng)絡(luò)輿情、重大突發(fā)事件、問(wèn)答系統(tǒng)等關(guān)鍵詞看，事理圖譜的應(yīng)用領(lǐng)域也受到普遍關(guān)注；從深度學(xué)習(xí)、注意力機(jī)制、人工智能等關(guān)鍵詞看，事理圖譜與知識(shí)圖譜密切相關(guān)，其發(fā)展離不開(kāi)當(dāng)今前沿技術(shù)。

為進(jìn)一步探究研究主題，筆者進(jìn)行了關(guān)鍵詞聚類(lèi)分析，使用pathfinder算法剪枝網(wǎng)絡(luò)。從網(wǎng)絡(luò)結(jié)構(gòu)特征來(lái)看，網(wǎng)絡(luò)共有220個(gè)節(jié)點(diǎn)，288條連線(xiàn)，網(wǎng)絡(luò)密度為0.012，表明各節(jié)點(diǎn)之間聯(lián)系較緊密。從聚類(lèi)效果來(lái)看，聚類(lèi)模塊值Q=0.8538，大于0.7，表明聚類(lèi)高效且可信；平均輪廓值S=0.9777，接近1，表明聚類(lèi)內(nèi)部一致性較高^［8］。依據(jù)關(guān)鍵詞相似度計(jì)算后共形成了11個(gè)聚類(lèi)群，用對(duì)數(shù)似然比LLR算法識(shí)別聚類(lèi)標(biāo)簽。表3呈現(xiàn)了每個(gè)聚類(lèi)群中所含的主要關(guān)鍵詞。

3.2 事理圖譜研究熱點(diǎn)

通過(guò)高頻關(guān)鍵詞及關(guān)鍵詞聚類(lèi)分析，結(jié)合相關(guān)文獻(xiàn)細(xì)讀，發(fā)現(xiàn)當(dāng)前事理圖譜研究主要聚焦于以下3個(gè)研究主題。

3.2.1 事理圖譜構(gòu)建流程

主要包含#0、#1、#4、#9等聚類(lèi)群，涵蓋知識(shí)圖譜、事件抽取、事件關(guān)系抽取、事件融合、事件推理等關(guān)鍵詞。事理圖譜起源于知識(shí)圖譜，其構(gòu)建過(guò)程與知識(shí)圖譜具有相似之處，分為自頂向下和自底向上兩種模式，目前多采用自底向上模式或兩種模式相結(jié)合構(gòu)建。具體構(gòu)建流程包括原始語(yǔ)料獲取與自然語(yǔ)言處理、事件抽取、事件關(guān)系抽取、事件同指消解、事件泛化、圖譜構(gòu)建等步驟。其中，事件抽取及其關(guān)系抽取是不可缺少的步驟：事件抽取就是從預(yù)處理后的語(yǔ)料文本中識(shí)別事件觸發(fā)詞和論元，以及論元角色分類(lèi)；事件關(guān)系抽取則是識(shí)別兩個(gè)事件之間的順序、因果、條件等邏輯關(guān)系，并判斷每個(gè)事件對(duì)的關(guān)系方向。事件同指消解是將同一事件的不同表達(dá)進(jìn)行合并，形成一致性表達(dá)。事件泛化是將具體的事件實(shí)例抽象化，并計(jì)算事件轉(zhuǎn)移概率，形成更通用的事件類(lèi)型或模式，以便發(fā)現(xiàn)更為一般的演化規(guī)律和發(fā)展邏輯。在知識(shí)抽取和融合基礎(chǔ)上，借助圖數(shù)據(jù)庫(kù)的事件和關(guān)系表示構(gòu)建可視化抽象事理圖譜，輔助節(jié)點(diǎn)及邊的轉(zhuǎn)移概論計(jì)算實(shí)現(xiàn)事件的演化和推理。

3.2.2 事理圖譜構(gòu)建技術(shù)

主要包含#3、#5、#7等聚類(lèi)群，涵蓋深度學(xué)習(xí)、注意力機(jī)制、實(shí)體抽取、事件表示等關(guān)鍵詞。構(gòu)建事理圖譜的關(guān)鍵技術(shù)在于事件抽取及事件關(guān)系抽取技術(shù)，主要涉及模式匹配、機(jī)器學(xué)習(xí)或深度學(xué)習(xí)等方法。基于模式匹配法的事件抽取依賴(lài)于事先定義的事件模板和抽取匹配規(guī)則，如ACE2005定義的8類(lèi)事件類(lèi)別及下屬子類(lèi)別的事件模板；借鑒復(fù)用領(lǐng)域本體結(jié)合實(shí)際需要靈活構(gòu)建模板等，如白璐等^［9］歸納了16類(lèi)政治事件，提出了政治領(lǐng)域事件標(biāo)注模板，主要由事件類(lèi)型、觸發(fā)詞、論元3部分組成。對(duì)于規(guī)則模板的依賴(lài)使得模式匹配法往往適用于某一特定領(lǐng)域，在其他領(lǐng)域的移植性和擴(kuò)展性較差。機(jī)器學(xué)習(xí)方法則是將事件抽取任務(wù)轉(zhuǎn)換成分類(lèi)問(wèn)題，利用支持向量機(jī)、最大熵等模型識(shí)別事件觸發(fā)詞并對(duì)其進(jìn)行分類(lèi)。此外，事件抽取也可以被建模成為一個(gè)序列標(biāo)注任務(wù)，利用條件隨機(jī)場(chǎng)（CRF）模型對(duì)給定序列進(jìn)行標(biāo)注實(shí)現(xiàn)事件抽取。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)（CNN）、圖卷積神經(jīng)網(wǎng)絡(luò)（GCN）、雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（BiLSTM）、Transformer等神經(jīng)網(wǎng)絡(luò)模型也被應(yīng)用于事件抽取任務(wù)，借助神經(jīng)網(wǎng)絡(luò)強(qiáng)大的表征學(xué)習(xí)能力和上下文理解能力自動(dòng)提取上下文語(yǔ)義特征，識(shí)別事件間隱含關(guān)系。目前，深度學(xué)習(xí)方法是事件抽取的主流方法，尤其是基于Transformer的預(yù)訓(xùn)練語(yǔ)言模型BERT在事件抽取中廣受青睞。

在事件關(guān)系抽取上，關(guān)注較多的是因果關(guān)系和順承關(guān)系（或時(shí)序關(guān)系）的抽取。傳統(tǒng)上根據(jù)規(guī)則模板中顯示關(guān)系詞，輔助依存句法分析抽取顯式邏輯關(guān)系對(duì)，如王翊臻等^［10］采用模式匹配法，總結(jié)了4類(lèi)順承關(guān)聯(lián)詞，設(shè)計(jì)了順承關(guān)系句法模式和抽取規(guī)則，抽取了游記文本中的顯式順承關(guān)系子句。由于模式匹配的關(guān)系抽取難以識(shí)別規(guī)則之外的復(fù)雜文本潛在、隱式關(guān)系，當(dāng)前事件關(guān)系抽取多采用神經(jīng)網(wǎng)絡(luò)的方法，或融合模板匹配和深度學(xué)習(xí)的方法來(lái)達(dá)到理想的事件關(guān)系抽取目的，在具體的模型應(yīng)用上圖推理機(jī)制和注意力機(jī)制在顯式關(guān)系和隱式關(guān)系抽取中表現(xiàn)出較好的效能。如金方焱等^［11］提出了基于自注意力機(jī)制的融合RACNN和BiLSTM的模型用于金融領(lǐng)域事件隱式因果關(guān)系抽取，有效提升了事件關(guān)系抽取的準(zhǔn)確性。

3.2.3 事理圖譜實(shí)踐應(yīng)用

主要包括#2、#5、#6、#10等聚類(lèi)群，涵蓋航空安全事故、意圖識(shí)別、重大突發(fā)事件、教學(xué)行為、教師信息技術(shù)應(yīng)用能力等關(guān)鍵詞。事理圖譜對(duì)事件及事件關(guān)系的挖掘，構(gòu)建出一個(gè)概率有向圖，形成了一個(gè)可游走、可推理的網(wǎng)絡(luò)，使得事理圖譜在輿情預(yù)警、應(yīng)急管理、智能推薦、課堂教學(xué)等領(lǐng)域有著巨大應(yīng)用價(jià)值。在輿情預(yù)警方面，通過(guò)構(gòu)建事理圖譜可以進(jìn)行輿情推演預(yù)測(cè)工作，對(duì)輿情進(jìn)行綜合研判定義事件等級(jí)，發(fā)布預(yù)警建議，從而為輿情管控提供支持^［12］。在應(yīng)急管理領(lǐng)域，通過(guò)事故災(zāi)難的演化分析，為事故救援協(xié)同調(diào)度、事故善后處理等應(yīng)急響應(yīng)提供決策支持^［13］。在智能推薦方面，利用事理圖譜挖掘識(shí)別用戶(hù)意圖并進(jìn)行預(yù)測(cè)，使得個(gè)性化信息推薦更加智能與準(zhǔn)確，如旅游路線(xiàn)推薦^［14］或在線(xiàn)社區(qū)健康信息推送^［15］。在教育領(lǐng)域，基于事件順承關(guān)系構(gòu)建的教學(xué)行為事理圖譜被廣泛應(yīng)用在教育能力測(cè)評(píng)、教學(xué)行為分析上，通過(guò)滯后時(shí)序分析計(jì)算順承事件的轉(zhuǎn)移概率幫助教師掌握教學(xué)規(guī)律，更好地促進(jìn)課題教學(xué)^［16］。

4 結(jié)語(yǔ)

相比于實(shí)體與關(guān)系的描述，專(zhuān)注于事件和事件間關(guān)系表示與學(xué)習(xí)的事理圖譜儼然已成為新一代動(dòng)態(tài)知識(shí)圖譜。事理圖譜在事件邏輯關(guān)系演化和推理方面展現(xiàn)出的潛力為理解、預(yù)警和預(yù)測(cè)事件發(fā)展帶來(lái)巨大應(yīng)用價(jià)值。雖然事理圖譜構(gòu)建與推斷分析研究已經(jīng)取得了一些成果， 但從總體來(lái)看，事理圖譜研究還在成長(zhǎng)階段，研究主體為圖書(shū)情報(bào)學(xué)科或計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科，以機(jī)構(gòu)內(nèi)合作為主，尚未形成緊密的科研合作網(wǎng)絡(luò)。從研究?jī)?nèi)容看，以限定域的事理圖譜構(gòu)建應(yīng)用為主，缺乏對(duì)理論闡述和框架構(gòu)建的研究。事件抽取聚焦在特定場(chǎng)景特定任務(wù)中，其事件抽取成果難以在其他領(lǐng)域推廣應(yīng)用，未來(lái)有必要探索標(biāo)準(zhǔn)的、通用的事件定義和表示框架標(biāo)準(zhǔn)，適用于開(kāi)放領(lǐng)域的事理圖譜研究。當(dāng)前，事件關(guān)系抽取與圖譜呈現(xiàn)以因果和順承關(guān)系為主，然而真實(shí)世界的事件往往具有復(fù)雜性，多種邏輯關(guān)系并存，因此對(duì)隱含的復(fù)雜關(guān)系揭示是事理圖譜面臨的一大挑戰(zhàn)。未來(lái)還需要更多的學(xué)者進(jìn)一步投入這個(gè)領(lǐng)域開(kāi)展研究，逐步明晰事理圖譜的體系框架，攻關(guān)技術(shù)難題，使事理圖譜在實(shí)踐應(yīng)用中發(fā)揮更大的價(jià)值。

參考文獻(xiàn)

［1］李華昱，畢經(jīng)綸，閆陽(yáng).限定域中文事件抽取研究綜述［J］.計(jì)算機(jī)工程與應(yīng)用，2022（18）：43-58.

［2］劉煥勇.我們的實(shí)踐：事理圖譜，下一代知識(shí)圖譜［EB/OL］.（2018-12-25）［2024-08-15］. https：//blog.csdn.net/lhy2014/article/details/85247268.

［3］田玲，張謹(jǐn)川，張晉豪，等.知識(shí)圖譜綜述：表示、構(gòu)建、推理與知識(shí)超圖理論［J］.計(jì)算機(jī)應(yīng)用，2021（8）：2161-2186.

［4］LI Z Y， ZHAO S D， DING X， et al. EEG： knowledge base for event evolutionary principles and patterns［C］//Social Media Processing. Singapore： Springer Singapore， 2017： 40-52.

［5］王軍平，張文生，王勇飛，等.面向大數(shù)據(jù)領(lǐng)域的事理認(rèn)知圖譜構(gòu)建與推斷分析［J］.中國(guó)科學(xué)：信息科學(xué)，2020（7）：988-1002.

［6］陳曉鈺，馬海群.開(kāi)放政府?dāng)?shù)據(jù)領(lǐng)域文獻(xiàn)計(jì)量學(xué)相關(guān)定律實(shí)證分析［J］.圖書(shū)館研究與工作，2022（4）：26-36.

［7］趙星，高小強(qiáng)，郭吉安，等.基于主題詞頻和g指數(shù)的研究熱點(diǎn)分析方法［J］.圖書(shū)情報(bào)工作，2009（2）：59-61.

［8］CHEN C M.CiteSpace II： detecting and visualizing emerging trends and transient patterns in scientific literature［J］.Journal of the American Society for Information Science and Technology， 2006（3）：359-377.

［9］白璐，周子雅，李斌陽(yáng)，等.面向政治領(lǐng)域的事理圖譜構(gòu)建［J］.中文信息學(xué)報(bào)，2021（4）：66-74.

［10］王翊臻，云紅艷，李正民.旅游順承事理圖譜的構(gòu)建及應(yīng)用研究［J］.青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2022（1）：34-39.

［11］金方焱，王秀利.融合RACNN和BiLSTM的金融領(lǐng)域事件隱式因果關(guān)系抽取［J］.計(jì)算機(jī)科學(xué)，2022（7）：179-186.

［12］王蘭成，張思龍，許和旭.網(wǎng)絡(luò)輿情事理圖譜構(gòu)建及應(yīng)用［J］.中華醫(yī)學(xué)圖書(shū)情報(bào)雜志，2021（5）：17-23.

［13］寧慧涵，眭海剛，王金地，等.顧及時(shí)空關(guān)系的事故災(zāi)難事理圖譜構(gòu)建方法研究［J］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2024（5）：831-843.

［14］吳曉丹.融合事理圖譜與知識(shí)圖譜的旅游路線(xiàn)推薦方法研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2021.

［15］張玉潔，丁翔宇.基于事理圖譜下社交媒體重疾知識(shí)型行為推薦算法研究［J］.現(xiàn)代信息科技，2023（16）：151-154.

［16］卜凡麗，唐燁偉，趙一婷，等.跨學(xué)科教學(xué)能力測(cè)評(píng)事理圖譜：內(nèi)涵、表征與模式［J］.電化教育研究，2024（11）：108-114.

（編輯 姚 鑫）

Progress and prospects of domestic event logic graph research：visual analysis based on CiteSpace

CAO" Mengyue

（Library， Central China Normal University， Wuhan 430079， China）

Abstract：" As a new knowledge representation method， the event logic graph focuses on the dynamic knowledge research of events and their relationships， which has attracted the attention of many scholars in China. Starting from the perspective of bibliometrics， this article uses tools such as CiteSpace and SATI3.2 to analyze the trend of research publications related to the event logic graph， the collaborative network of authors and institutions， high-frequency keywords， and research hotspots， and explore the research trends of event logic graph in China. The analysis results indicate that the current research on event logic graph is still in its growth stage， mainly focused on local collaborative research， and has not yet formed a close scientific research cooperation network. The research topics focus on the construction process of event logic graph， key construction technologies， and practical applications.

Key words： event logic graph; bibliometrics; CiteSpace

作者簡(jiǎn)介：曹孟月（1997—），女，助理館員，碩士；研究方向：文獻(xiàn)計(jì)量。