问题的提出
我们"学迹"系统中，给出了以抽象事件为核心的事件关联信息。包括事件的因果关联(前序原因、后续结果)，事件的概念描述，以及基于这种抽象关联和实体产业链做的推荐操作。
然而，这些结果给出来的，是一种高度抽象和模板化的结构化数据，体现出常识或常理的特性，对于实实在在的事件，其自身的特殊性还未能区别开来。因此，我在想，具体的事件应该是什么样子，其表现形式是如何的，又该如何获取？
事件实例
事件实例，是较抽象事件有更多信息的一个概念，也叫具体事件。比如人民币贬值，事件实例应该满足人民币贬值的幅度，人民币贬值的时间或持续时间等其他信息。但这往往会出现一个路径问题，就是事件实例，是应该走领域事件，还是走通用领域。如果走领域事件，就会落到具体问题具体分析的事件框架(ACE，framenet)中，这样势必会大大缩小事件实例的范围，其受众和价值会大打折扣；如果走通用领域，则需要定义出一些通用的领域属性，如时间、地点、幅度等。
我们选择了更为通用的这一类事件实例。但在实际的过程中，很明显的出现了一些问题。
1，我们在抽取逻辑的时候，实际上是在一个抽象的上下文中抽取的，所以，这个事件本身的描述信息就很少，这样会导致它的通用属性出现很多缺失值。
2，在出现很多缺失值的情况下，逻辑结果的这种区分能力就很差。典型的，只有时间信息的事件，会带来时间间断排列的问题。以人民币为例，我们会由于时间属性的问题，2019年以日为单位就会出现超过100多个点，这时，虽然可以以一些时间规约的措施如做聚合，但其粒度的控制，主观性较大。这会给整个前后台数据的交互，前端的界面的展示，带来很坏的影响。
为了实现从抽象事件到具体事件的对接，我们想到了一套方案，即抽象逻辑事件库对齐资讯事件库的方法。一头接着抽象因果事件库，另一头接着资讯事件库，希望两者能够进行对齐。因此，资讯事件库，就变成了一个重要的工作。我们应用了文章关键主题信息，事件主题句与事件短语组块识别的方式，针对给定的一个文章输出其对应的事件集合，集合中的事件数量通常为3-5个。在资讯事件库做好之后，我们通过两者的时间进行对齐，从而实现这两块数据的联通。
不过，做的过程中发现，这个逻辑有些问题。
1，资讯事件的来源为一篇新闻，一篇新闻中会出现多个事件，而资讯原文本身就是在描述某个事件的关联信息，事件存在于其中的某个句子中，而这个句子本身就是抽象的，因此，这并不会得到所谓的事件实例。
2，不同的资讯会抽取出不同的事件，而这些事件在进行融合时，