問題的提出
我們"學跡"系統中，給出了以抽象事件爲核心的事件關聯信息。包括事件的因果關聯(前序原因、後續結果)，事件的概念描述，以及基於這種抽象關聯和實體產業鏈做的推薦操作。
然而，這些結果給出來的，是一種高度抽象和模板化的結構化數據，體現出常識或常理的特性，對於實實在在的事件，其自身的特殊性還未能區別開來。因此，我在想，具體的事件應該是什麼樣子，其表現形式是如何的，又該如何獲取？
事件實例
事件實例，是較抽象事件有更多信息的一個概念，也叫具體事件。比如人民幣貶值，事件實例應該滿足人民幣貶值的幅度，人民幣貶值的時間或持續時間等其他信息。但這往往會出現一個路徑問題，就是事件實例，是應該走領域事件，還是走通用領域。如果走領域事件，就會落到具體問題具體分析的事件框架(ACE，framenet)中，這樣勢必會大大縮小事件實例的範圍，其受衆和價值會大打折扣；如果走通用領域，則需要定義出一些通用的領域屬性，如時間、地點、幅度等。
我們選擇了更爲通用的這一類事件實例。但在實際的過程中，很明顯的出現了一些問題。
1，我們在抽取邏輯的時候，實際上是在一個抽象的上下文中抽取的，所以，這個事件本身的描述信息就很少，這樣會導致它的通用屬性出現很多缺失值。
2，在出現很多缺失值的情況下，邏輯結果的這種區分能力就很差。典型的，只有時間信息的事件，會帶來時間間斷排列的問題。以人民幣爲例，我們會由於時間屬性的問題，2019年以日爲單位就會出現超過100多個點，這時，雖然可以以一些時間規約的措施如做聚合，但其粒度的控制，主觀性較大。這會給整個前後臺數據的交互，前端的界面的展示，帶來很壞的影響。
爲了實現從抽象事件到具體事件的對接，我們想到了一套方案，即抽象邏輯事件庫對齊資訊事件庫的方法。一頭接着抽象因果事件庫，另一頭接着資訊事件庫，希望兩者能夠進行對齊。因此，資訊事件庫，就變成了一個重要的工作。我們應用了文章關鍵主題信息，事件主題句與事件短語組塊識別的方式，針對給定的一個文章輸出其對應的事件集合，集合中的事件數量通常爲3-5個。在資訊事件庫做好之後，我們通過兩者的時間進行對齊，從而實現這兩塊數據的聯通。
不過，做的過程中發現，這個邏輯有些問題。
1，資訊事件的來源爲一篇新聞，一篇新聞中會出現多個事件，而資訊原文本身就是在描述某個事件的關聯信息，事件存在於其中的某個句子中，而這個句子本身就是抽象的，因此，這並不會得到所謂的事件實例。
2，不同的資訊會抽取出不同的事件，而這些事件在進行融合時，