我們一直在事理圖譜的探索和應用路上不斷前行。。。
【中科院軟件所】數據地平線的金融事理圖譜Demo已經和大家見面有一段時間了(Demo地址：http://eg.zhiwenben.com/)，這段時間我們收到了很多用戶的建議反饋和合作邀約，大家對產品的認可和喜愛我們深表感謝。
今天，金融事理圖譜Demo 3.0大版本正式推出，新版本在算法層面進行了深度優化，並在由因及果基礎功能上加入了由果溯因，事件歷史實證、事件關係實證以及輸入兩個事件尋找事件之間的關係鏈等重大功能更新，下面我將從搜事件和搜關係兩方面爲大家逐一演示（不瞭解Demo的用戶，可以閱讀之前的文章進行了解）。
一、 搜事件：
在日常工作、生活中，我們可能經常會遇到這樣的問題：
若A事件發生，它接下來會造成什麼結果？又會造成怎樣的連鎖反應呢？我可以在現在準備些什麼以規避風險或者尋求獲利呢？
若A事件發生，造成它發生的原因有哪些呢？爲什麼會形成現在的局面呢？下次在A事件發生前我是不是可以有所動作呢？
本次A事件發生導致了B事件，那這種關係是不是必然的呢？歷史上是否出現過A導致B的事件呢？
其實這些問題的答案、事件之間的邏輯勾稽關係都可以從歷史數十年的資料中找到並總結出來，但如果靠人力去查找、窮舉，會耗費大量的精力且做不到十分完善。但AI可以！在這次的3.0大改版中，我們將爲大家完美解決這些問題。
【案例】 如果“貨幣超發”的前因後果是什麼？
1、輸入關鍵詞
首先我們打開Demo地址（http://eg.zhiwenben.com/），默認Demo頂部tab標籤選中“搜事件”功能，我們只需要從熱門搜索中點擊“貨幣超發”或者在搜索框中輸入“貨幣超發”關鍵詞並點擊搜索即可查看結果，如下圖所示。(此處應當注意，輸入事件的時候應當輸入一個具體的事件動作，一般是“名詞+動詞”結構，比如“貨幣+超發”、“英國+脫歐”，“彈劾+特朗普”等。)
圖1 輸入搜索關鍵詞
1、查看默認邏輯
輸入關鍵詞後，我們可以看到如下所示的邏輯結構圖，默認只顯示3級，即：目標事件的原因-目標事件-目標事件的結果，見下圖：
圖2 貨幣超發默認邏輯
如圖2所示，中間被選中的節點爲目標事件，即“貨幣超發”，目標事件左側的一列事件可以通過連線箭頭方向看出爲引發“貨幣超發”的原因事件，目標事件右側的一列事件爲“貨幣超發”可能造成的結果事件（或歷史上類似事件所造成的結果），爲了更準確的表達出邏輯關係，我們將目標事件的原因和結果均作了顯示限制，只顯示最相關的10個原因和10個結果。
圖3 “刺激政策”導致“貨幣超發”
如圖3所示，在邏輯圖中我們清晰地看到，“貨幣超發”的原因之一有“刺激政策”，量化寬鬆政策是我們最容易想到的貨幣超發罪魁禍首之一，回想起2008年9月，國際金融危機全面爆發後，中國經濟增速快速回落，出口出現負增長，大批農民工返鄉，經濟面臨硬着陸的風險。爲了應對這種危局，中國政府於2008年11月推出了進一步擴大內需、促進經濟平穩較快增長的十項措施。初步匡算，實施這十大措施，到2010年底約需投資4萬億元，這便是當年“貨幣超發”的原因：“刺激政策”，這項正確的邏輯在圖譜中被完美的表達了出來。
“貨幣超發”最廣爲人知的結果之一便是“房價暴漲”，2010年之後，全國人民“喜迎”房價上漲，全面開啓“我爲房狂”的房地產行業白金新時代，上至精英階層下至普通百姓皆開口必談房產投資，各大上市企業更是發現，一年來辛辛苦苦兢兢業業經營企業，倒不如直接買一套房來的收益高，公司報表虧損，年底賣一套房，立馬轉虧爲盈。於是各路“房哥”“房姐”層出不窮，各路貪官一旦被查名下更是幾百套房產，其時瘋狂謂之“全民炒房”不爲過。
以北京爲例，圖4爲北京2008年-2018年房價走勢，數據充分證明了“貨幣超發”所造成的“房價暴漲”這一邏輯，直到2016年“930限購”政策出來後，房價才慢慢降低了漲幅；
圖4 2008年-2018年北京平均房價變遷
“貨幣超發”可能會導致“房價暴漲”的邏輯，也在圖譜中準確無誤的表達了出來，見圖5。
圖5 “貨幣超發”導致“房價暴漲”
1、查看事件、事件邏輯相關資訊實證
a) 查看事件資訊實證
還是以“貨幣超發”爲例，當貨幣超發出現後，我們會想歷史上是否曾經出現過“貨幣超發”呢？當時造成了什麼影響呢？對現在的事件重現會不會有借鑑意義呢？數據地平線事理圖譜的Demo也完美的解決了這個問題。如圖6所示，當我們在圖譜中選中“貨幣超發”事件節點後，在圖譜右側會顯示歷史上所有有關“貨幣超發”的資訊報道。
圖6 “貨幣超發”的資訊
圖7 “貨幣超發”的歷史資訊實證
如圖7所示，在資訊實證區域，我們可以看到歷史上所有有關“貨幣超發”的新聞資訊。該事件在歷史上是否發生過？在發生當時媒體是如何報道的？在發生後引發了何種投資邏輯關係？此類問題，在資訊實證區域都可以找到答案。
資訊列表中會顯示新聞資訊的發佈時間、標題、來源、內容等，並在資訊列表中直接以紅色字體着重顯示該篇新聞資訊中提到該目標事件的相關內容，方便用戶不必查看全文便可知曉概況；當用戶想了解更多資訊內容的時候，點擊“查看全文”即可查看該篇新聞資訊的詳細內容，在詳細內容中，我們依舊以紅色字體着重標識了提及該目標事件的部分，方便用戶定位，如下圖所示：
圖8 新聞資訊詳情
a) 查看事件邏輯資訊實證
方纔我們只是查看單一事件的歷史資訊實證，如果想查看所有有關“貨幣超發à房價暴漲”這一邏輯的新聞資訊應該怎麼辦呢？我們只需要在事理圖譜中選中這兩個事件之間的“邊”，即可在右側顯示該邏輯的相關資訊，如下圖所示：
圖9 選中兩個事件的邊
圖10 “貨幣超發”導致“房價暴漲”的邏輯資訊實證
如圖10所示，在我們選中兩個事件之間的邊之後，右側資訊實證部分會變爲“A事件—導致—B事件”的邏輯資訊實證，此時在資訊列表中展示的資訊都是包含該條邏輯的資訊，方便用戶驗證此條邏輯在歷史上是否出現過，當時是否有新聞報道以及如何報道的。
1、查看更深層次原因、結果
剛纔我們在圖譜中，只查看了默認3級的邏輯以及資訊實證，如果想了解更深層次的邏輯傳導應該怎麼做呢？
圖11 “貨幣超發”默認投資邏輯圖
在圖11中我們可以看到，有一些事件節點的左右兩側各顯示一個“+”，表示該節點可以展開更多原因或者結果，詳細操作如下：
· 節點左側有“+”，表示該節點事件有更深層次（或更多）的形成原因，點擊“+”則可以查看更深層次（或更多）的原因；
· 節點右側有“+”，表示該節點事件有更深層次（或更多）的影響，點擊“+”則可以查看更深層次（或更多）的影響；
· 節點上沒有“+”則表示該事件沒有更深層次（或更多）的原因或影響。
我們以“貨幣超發”導致“房價暴漲”爲例，我們可以看到“房價暴漲”節點的左側和右側均有“+”，右側的“+”表示“貨幣超發”導致了“房價暴漲”，我們可以繼續查看“房價暴漲”又會導致什麼。左側的“+”表示“房價暴漲”除了“貨幣超發”這一個原因外，還有更多其他事件也會造成房價暴漲。
圖12 查看房價暴漲所造成的影響
如圖12所示，點擊“房價暴漲”節點右側的“+”，我們就可以看到“房價暴漲”所可能造成的影響，我們可以再繼續點擊最末級事件節點的“+”往下繼續展開更深層級事件節點，持續性的探尋更深層次的投資邏輯。
圖13 查看房價暴漲更多的形成原因
如圖13所示，點擊“房價暴漲”左側的“+”，則展開更多形成“房價暴漲”的原因，我們可以從上圖看到，“房價暴漲”除了“貨幣超發”會導致外，供需失衡、稀缺住宅等原因也會導致“房價暴漲”。
最後，再告訴大家一個使用小技巧，當邏輯圖譜層級展開太多，頁面節點過多導致頁面繁雜的時候，我們只需要將鼠標懸浮到圖譜中任意一個節點上，就可以只看該事件節點的“原因-目標節點-結果”3級事件關係，如下圖所示：
圖14 只查看“原因-目標節點-結果”
一、搜關係
在工作中，我們有時候會遇到這樣的問題，我知道事件A，也知道事件B，那它們兩者之間會不會存在某種相關性呢？這個時候靠人腦去補全中間的邏輯，將會是一件特別費腦力甚至不可能完成的事情，但是AI可以。
【案例】 “飛機數量增加”和“油價下跌”之間有沒有關係呢？
- 切換到“搜關係”功能
首先我們點擊Demo頂部的“搜關係”Tab標籤，切換到搜關係功能下，如下圖所示，系統會默認先給出一個事件關係：
圖15 搜關係
- 輸入原因和結果事件
我們可以直接從人們搜索中選擇一個因果事件關係進行搜索，或者手動創建一個因果事件關係進行搜索，我們以手動創建爲例：
圖16 原因事件和結果事件輸入框
首先我們在第一個輸入框內輸入原因事件，即：“飛機數量增加”；然後我們在第二各輸入框內輸入結果事件，即：“油價下跌”。然後點擊“搜索”按鈕，如果兩者之間存在某種邏輯關係，則系統會在如下圖譜區域直接顯示，見下圖：
圖17“飛機數量增加”和“油價下跌”的搜索結果
- 查看邏輯關係
從圖17中我們可以看到，“飛機數量增加”和“油價下跌”確實存在邏輯關係，並且存在至少20種事件邏輯傳導關係，也就是說至少有20條不同的邏輯傳導鏈條，可以從“飛機數量增加”傳導到“油價下跌”。系統默認顯示“關係鏈1”的邏輯關係。我們可以點擊“關係鏈2”“關係鏈3”…等查看更多邏輯鏈條傳導。
我們以“關係鏈2”爲例，查看一下“飛機數量增加”和“油價下跌”之間的關係。
圖18 關係鏈2
如圖所示，因爲“飛機數量增加”，所以會導致“運力增加”，因爲“運力增加”又會導致“企業經營成本上升”，進而導致“企業毛利率下降”，從而引發“市場擔憂”，最後導致了“油價下跌”。
- 查看事件、事件邏輯相關資訊實證
在搜關係功能中，我們一樣可以選中某個事件節點或者選中某一組事件節點之間的箭頭，來查看圖譜右側對應的資訊實證，操作方式同“搜事件”。
以上是我們本次Demo更新的主要功能，除此之外，我們還有事件與數據關聯，事件發生當期歷史數據的跟蹤、驗證，事件輿情跟蹤、事件輿情預警、事件數據追蹤、事件數據預警、圖譜邏輯人工創建等等重大功能在正式版本上已經實現，並已有多家國內頭部基金公司開始試用。歡迎感興趣的個人、機構進行討論、研究以及合作。我司商務郵箱：[email protected]。
如有自然語言處理、[知識圖譜、事理圖譜]、社會計算、語言資源建設等問題或合作，如果對事件知識庫有興趣的落地或者研究，可聯繫我：
1、我的github項目介紹：https://liuhuanyong.github.io
2、我的csdn博客：https://blog.csdn.net/lhy2014
3、about me:劉煥勇，中國科學院軟件研究所，[email protected]
4、懂預言者得天下，得語言者分天下，得知識邏輯者，遊得天下。