重大突发事件的情景图谱构建

张海涛，刘伟利，栾 宇，刘 嫣

（1.吉林大学管理学院，长春 130022；2.吉林大学信息资源研究中心，长春 130022；3.吉林大学国家发展与安全研究院，长春 130022）

1 引 言

目前，世界百年未有之大变局加速演进，我国所处国内和国际社会形势复杂严峻，各类重大风险点显著增加。近年来，我国南方洪涝、北方冻雨、危化品爆炸、新冠疫情等重大突发事件频发，严重威胁了我国的公共安全。《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中指出，“在十四五期间，需要不断提升国家治理效能，不断健全防范化解重大风险体制机制，不断提高突发公共事件应急能力和自然灾害防御水平，为高质量发展提供坚强安全保障”[1]。由此可见，重大突发事件的应急管理是国家治理体系现代化的重要组成部分，如何科学应对重大突发事件，已然成为总体国家安全观下亟待研究的关键问题。

重大突发事件中，情景是科学应对的基础和依据，“情景-应对”模式是重大突发事件实时决策的基本模式，情景表示是实现“情景-应对”型应急决策态势研判的依据。在以往的研究中，学者们利用知识元模型[2]、本体模型[3]、Petri网[4]等对情景进行描述，构建了一系列情景模型。但是这些模型主要集中于情景要素状态的描述，没有深入挖掘要素之间的联系。其中，大部分模型并没有考虑事件、事件参与对象以及事件所处环境三者之间的交互；虽然有一部分模型研究了三者之间的联系，但也未考虑事件之间的相互作用。

事物是普遍联系的，当我们研究重大突发事件时，首先浮现在脑海中的是一幅事件和事件对象及事件环境之间相互作用的画面，这幅画面就是事件的情景。为了实现重大突发事件的科学应对，本文利用情景模型对情景进行高度抽象，再基于情景本体对情景的要素及要素间联系进行规范说明，最后构建情景图谱对情景进行具象化呈现。研究逻辑如图1所示。

图1 研究逻辑

2 相关概念和理论基础

2.1 重大突发事件

突发事件是指突然发生，造成或者可能造成严重社会危害，需要采取应急处置措施予以应对的自然灾害、事故灾难、公共卫生事件和社会安全事件，一般分为特别重大、重大、较大和一般四个等级[5]。本文所研究的重大突发事件是指在国家发展进程中，突然发生、危害程度高、影响范围大、可能会危及人民生命安全和社会稳定的重大级别事件。

重大突发事件具有突发性、复杂性、衍生性、次生性等特点，一旦发生就可能会严重威胁到公共安全。近年来，学者们从事件演化规律、应急决策、网络舆情、事件预警等方面对重大突发事件展开了大量的研究。例如，袁辉[6]深入地分析了重大突发事件发生形成原因以及演变规律，并对重大突发事件应急决策进行了探讨和研究；Wilson等[7]针对重大突发事件应急响应中的伤亡处理问题，构建了一种包含有关伤员健康的随机性、多地点紧急情况的空间性以及医院的动态能力的多目标组合模型；陈志宗等[8]通过分析重大突发事件应急救援设施选址问题的特点，整合传统选址模型，建立了一个多目标决策模型；徐绪堪等[9]通过细粒化情景单元，构建了一种融合情景的突发事件多粒度响应模型，实现了从决策高层到基层的情景细化；种大双等[10]分析了重大突发事件的舆情传播过程，并建立了一种政府干预下的舆情传播控制系统，提出了一种合理运用控制因子，促使舆情传播发生改变的方法。

2.2 情景相关概念

情景是指对未来情形以及能使事态由初始状态向未来状态发展的一系列事实的描述[11]，在重大突发事件情景构建领域，学者对于突发事件情景的内涵进行了界定。姜卉等[12]从应急实时决策的角度，将罕见重大突发事件情景定义为：决策主体所正在面对的突发事件发生、发展的态势，即事件当前所处状态和未来的发展趋势；刘铁民[13]认为，“情景”不是某典型案例的片段或整体的再现，而是无数同类事件和预期风险的系统整合，是基于真实背景对某一类突发事件的普遍规律进行全过程、全方位和全景式的系统性描述，是对某一类重大风险的系统化和形象化的呈现。前者面向应急实时决策，对具体事件当前状态和未来趋势进行分析，是一种解释型情景，而后者面向应急预案编制，是对某一类事件和预期风险的系统集合，通过聚类形成一种预防型情景。

近年来，不同的学者采用不同的方法对突发事件情景进行了描述，包括知识元模型、Petri网、本体模型、系统动力学模型、“卵-黄”模型等。例如，戎军涛等[3]针对公共危机事件，以本体作为知识组织体系的描述手段，以语义知识网络作为情景表现形式，构建了公共危机事件情景模型；王循庆等[4]利用随机Perti网研究群体性突发事件演化系统，模拟出了系统的变化过程及其当前所处的状态；张志霞等[14]运用知识元表示法和动态网络贝叶斯建立了网络舆情驱动下的情景演变网络结构；Helbing等[15]从典型案例出发，基于系统动力学分析了多种具体灾害情景下的因果关系网络，构建了灾害传播的动力学模型。这些情景模型均较好地对情景进行了表示，但是缺乏知识基础，只有大量借助专家经验，才能对突发事件进行情景描述，自动化程度相对较低。

2.3 本体理论

本体是共享概念模型的明确的形式化规范说明[16]。事件本体是一种面向事件的知识表示方法，与传统本体存在诸多不同：一方面，事件本体强调事件的动态性表示；另一方面，事件本体以事件类之间的层次结构为主线，降低了概念之间关系的复杂性。现有的描述事件本体的模型主要有ABC模型[17]等，如表1所示。事件本体模型主要分为三类。第一类是按照传统本体结构，对事件和相关的概念进行分类来构建事件本体模型，例如，ABC模型对事件进行分类，并描述了事件和事件要素之间的关系，但很难描述事件之间非分类关系以及要素之间的关系[17]；第二类是基于事理逻辑的事件本体模型，例如，Kaneiwa等[18]提出的针对事件和事件关系的上层本体模型，描述了事件之间的逻辑关系；第三类是基于事件和事件要素构建的事件本体模型，例如，朱文跃等[19]提出的五元组事件本体模型F_EO（five tuples_event ontology），F_EO将事件类分为上层事件类和下层事件类，不仅可以描述事件的时间、地点、对象等要素，还能描述事件类之间的关系。

表1 事件本体表示模型

3 重大突发事件情景模型

从哲学的视角来看，世界图景是指在一定的、现有认识水平的基础上对世界的概括化描述，是关于世界的存在与演化的主观理解与主观框架[20]。图景是对事物的描述，即关于事物存在与演化的主观理解；情景是图景的具体形式；情景模型是情景的描述框架。重大突发事件的图景，是关于重大突发事件发生、发展和突变的主观理解；重大突发事件的情景，是指重大突发事件的发生、发展态势，是事件各要素的状态集合；重大突发事件的情景模型，是事件各情景要素的状态及其间关系的抽象描述框架。

事物发展的原因在于事物的内部矛盾，以及事物之间的相互作用；前者是事物发展的根本原因，后者是事物发展的条件，任何事物只有在一定的联系中才能存在和发展[21]。对重大突发事件而言，事物内在矛盾由量变到质变是其发生、发展和突变的根本原因，事物之间的联系是其发生、发展和突变的条件，要真正地认识和理解重大突发事件的演变规律，就必须把握事物的状态及其间联系。因此，本文构建了重大突发事件的情景模型，深入探讨情景构成要素、情景要素关系和情景要素状态表示，旨在为情景提供抽象化的描述框架。

3.1 情景构成要素

情景要素是情景的构成单元，也是分析情景间关系的重要依据，是指表现、反映突发事件发生、发展态势的主要因素[22]。公共安全三角形模型指出，突发事件、承灾载体、应急管理和灾害要素是表现、反映突发事件发生、发展态势的主要因素，它们之间的相互作用推动了重大突发事件的发生、发展和突变[23]。因此，将突发事件、承灾载体、应急管理和灾害要素作为重大突发事件情景构成要素，可以直观地反映重大突发事件的发生、发展态势。

情景模型需要反映各个事物的状态和事物之间的联系。但是，事物之间的联系是普遍的、多种多样的，难以直接对事物之间的联系进行挖掘，需要借助事件之间的联系来建立事物之间的联系。以事件为中心分析情景构成要素，不仅可以表示突发事件、承灾载体、应急管理、灾害要素和孕灾环境等一系列要素，还可以通过事件建立起要素之间的联系。因此，本文将事件、事件对象和事件环境作为情景构成要素，构成重大突发事件情景三要素。

1）事 件

事件指在某个特定的时间和环境下发生的、由若干角色参与、表现出若干动作特征的一件事情[24]。每一个重大突发事件都是由许多个小事件构成的，其中既包含灾害类事件，也包含救灾类事件。

2）事件对象

事件对象是指事件的参与对象，包括参与事件的所有角色。在重大突发事件中，事件对象既包括导致灾害发生或受灾害事件影响的人和物，也包括救灾事件中的主客体。

3）事件环境

事件环境是指事件所处场所及其特征。在重大突发事件中，主要包括影响事件发展的自然环境和社会环境。

3.2 情景要素关系

情景要素之间联系，即情景要素间关系，包括相同类别情景要素之间的关系和不同类别情景要素间的关系。在同类情景要素之间，事件与事件之间存在逻辑关系，事件对象与事件对象之间也存在客观联系；对于不同类情景要素，事件、事件对象和事件环境两两之间都存在联系。本文重点讨论事件之间的关系、事件与事件对象的关系以及事件与事件环境的关系，旨在依托事件之间的联系，建立情景要素之间的联系，从而挖掘事物之间的联系。

1）事件之间的关系

一般而言，大部分的事件都不是孤立的，事件之间存在一定的联系，并且总是相互作用、相互影响的，一个事件的发生，可能会影响另一个事件的发生与发展。事件之间的联系，即事件关系，事件关系主要包括顺承关系、因果关系、组成关系、上下位关系等，如表2所示。其中，顺承事件对之间存在一个介于0~1的转移概率，即一个事件发生后，另一个事件会具有一定的概率发生；因果事件对之间则存在一个介于0~1的因果关系强度值，即一个事件的发生有一定概率会导致另一个事件的发生。

表2 事件关系表

2）事件与事件对象之间的关系

事件与事件对象之间存在多对多的关系，每一个事件都可能有一个或多个对象参与其中，同时每一个对象可以参与一个或多个事件。在重大突发事件中，事件与事件对象之间也是多对多的关系。

3）事件与事件环境之间的关系

事件与事件环境要素也是多对多的关系，一个事件涉及一个或多个主要环境要素，同时多个事件可能同时涉及某一个环境要素。在重大突发事件中，事件与事件环境要素之间也存在多对多的关系。

3.3 情景要素属性

情景要素属性是指情景要素的性质或特征，包括要素的外观、量度、特性、关系、状况、数量特征、数量等。情景要素属性可以描述要素的关键特征，从而反映要素的状态。根据属性的时间特性，情景要素属性分为随时间变化的属性和不随时间变化的属性，前者多用于描述事物的状态信息，后者多用于表达事物的固有特征。不同的情景要素需要赋予不同的属性。事件的属性可以表示事件本身的信息和事件的影响等，具体包括发生时间、发生地点、事件类型、伤亡情况等；事件对象的属性可以表示事件对象的固有特征及状态信息，以房屋为例，房屋的楼层、抗震等级和房屋的损害程度等都是房屋这一事件对象的属性；事件环境的属性可以表示事件所处环境的固有特征和状态信息，如气温、风向、风速等。

情景要素属性值是情景要素属性的真值，情景要素属性域是情景要素属性的取值范围。情景要素属性的取值可以是数值型、布尔型、字符串型、对象型，也可以是空；取值可以是连续的，也可以是离散的。但是无论是哪一种，情景要素属性的取值都不是任意的，只有限定在特定的范围内，所表示的情景才有现实意义。针对重大突发事件，不同类型的重大突发事件，其涉及的事件对象和环境存在较大的差异，因此，其要素属性也存在巨大的差异，在为各个要素添加属性或确定属性域时，都必须充分考虑各情景要素的特性和实际情况。

3.4 情景模型

为了更直观地展示情景要素的状态，即其间联系，本文在情景构成要素分析、要素间关系分析和要素属性分析的基础上，构建了重大突发事件情景模型SM（scenario model），即

其中，SM表示情景模型；SE(e,o,v)表示情景构成要素，即事件e、事件对象o、事件环境v；R(se)表示情景构成要素之间的关系；A(se)表示情景构成要素的属性。

重大突发事件情景模型是对重大突发事件所涉及的事件、事件对象和事件环境进行全景描述的框架，如图2所示。事件、事件对象和事件环境分别对应事件层、事件对象层和事件环境层。事件层是一个事件网络，该网络以事件和事件属性为节点，以事件间关系和事件与属性的关系为边；事件对象层以事件对象和事件对象属性为节点，以对象与属性之间的关系为边；事件环境层以事件环境要素和环境要素属性为节点，以环境与属性之间的关系为边；事件层、事件对象层与事件环境层共同构成事件-事件对象-事件环境三层网络，各层之间的联系依赖于事件与事件对象、事件与事件环境要素之间的关系。

图2 重大突发事件情景模型

4 重大突发事件情景本体

4.1 情景本体结构

重大突发事件情景本体是共享的、客观存在的事件类，事件对象类，事件环境类，以及它们之间的关系的明确规范。基于上文提出的情景模型，本文将情景本体定义为一个五元组，即

其中，UC表示上层类，用于描述类之间的分类关系；LC表示下层事件类，用于描述类之间的非分类关系；上层类和下层类都包括事件类EC、事件对象类OC和事件环境类VC；RE是类与类之间关系的集合，包括分类关系和非分类关系；A是类的属性，用于描述类的特征和状态；RU是一些推理规则，即类之间关系的推理规则。

基于情景本体五元组，本文设计了重大突发事件的情景本体结构，如图3所示。情景本体分为上下两层，上层即上层类的层次分类结构，下层包含类的属性和下层类之间非分类关系。

图3 重大突发事件情景本体结构

4.2 上层情景本体构建

4.2.1 上层类设计

由情景模型可知，事件、事件对象和事件环境是情景三要素。因此，本文将事件、事件对象、事件环境作为情景本体的顶层父类，按照国家标准和专业领域标准，采用自上而下的方法，进行类层次结构设计。

1）事件类

事件类（event class）是指具有共同特征的事件的集合。就突发事件而言，事件包含突发事件和应急管理。事件类分类体系参照《突发事件分类与编码》[25]中的分类结构，把突发事件类别体系分为三个层次，第一层包含自然灾害、事故灾害、公共卫生事件和社会安全事件4个大类，第二层包含46个亚类，第三层包含253个细类。参照《中华人民共和国突发事件应对法》[5]把应急管理分为预防与应急准备、监测与预警、应急处置与救援、事后恢复与重建4个大类，如图4所示。

图4 事件层次结构图

2）事件对象类

事件对象类（event object class）是指具有共同特征的事件参与对象的集合。事件对象是主动或被动参与事件的实体。因此，事件对象可以分为事件主体和事件客体。

3）事件环境类

事件环境类（event environment class）是指具有共同特征的事件发生地的环境要素的集合。事件环境分为自然环境和社会环境。就重大突发事件而言，自然环境包括地形、地貌、水文、气象、植被、土壤和生物，社会环境包括交通系统、经济市场、公共场所、各种管线等。

4.2.2 关系设计

类之间的关系即类的对象属性。情景本体是以事件为中心进行建模，依靠事件之间的关系来解释人、事物和环境之间的复杂关系。由情景模型可知，类之间的关系主要包括事件类之间的关系、事件类与事件对象类之间的关系以及事件类与事件环境类之间的关系，如图5所示。具体的对象属性如表3所示。

图5 类之间关系图

表3 上层情景本体核心对象属性表

4.3 下层情景本体构建

下层情景本体构建采用的是深度学习和人工辅助相结合的方法。针对重大突发事件中的某一类事件，通过事件抽取，提取与该事件类型相关的概念集，包括事件和事件论元。然后，利用事件关系抽取，确定事件之间的联系。最后，将自动抽取获得的概念与上层类进行关联，从而构建出领域情景本体。

4.3.1 领域概念抽取

情景本体领域概念抽取主要依赖于元事件抽取，通过事件触发词识别和事件论元抽取，抽取事件三元组，从而提取与事件、事件对象和事件环境相关的概念。首先，使用BERT（bidirectional enocod‐er representations from transformers）+BiLSTM（bidi‐rectional long short-term memory）+CRF（conditional random field）模型对文本语料进行事件抽取，然后利用BERT-wwm-ext[26]和K-means++对事件进行聚类泛化处理，最后通过人工辅助完成领域概念抽取。

1）事件抽取

首先利用BERT-wwm-ext模型将文本映射成为一个词向量或者字符向量；然后将词向量输入双向长短期记忆网络，识别事件触发词和事件元素；最后使用条件随机场对BiLSTM的输出序列处理，结合条件随机场中的状态转移矩阵，根据相邻之间标签得到一个全局最优序列，从而得到事件元组，BERT+BiLSTM+CRF模型原理如图6所示。

图6 BERT+BiLSTM+CRF模型

2）事件泛化

事件泛化即对事件进行聚类，本文利用BERTwwm-ext将抽取出来的事件表示成向量，再使用Kmeans++对向量进行聚类，从而实现事件的泛化。

4.3.2 概念关系抽取

概念之间的关系包括事件之间的关系，事件与其他类之间的关系。其中事件与其他类之间的关系在事件抽取时即已完成，而事件与事件之间关系的抽取主要依赖于事件关系抽取。事件关系抽取采用模式匹配的方法，首先根据句法模式和匹配规则抽取出句子中的原因子句和结果子句，然后将原因子句和结果子句描述的事件进行事件抽取，得到具有因果关系的事件对，具体抽取流程如图7所示。

图7 事件关系抽取流程图

5 重大突发事件情景图谱

情景图谱是情景的具象描述，重大突发事件情景图谱是在情景本体这一模式层的指导下，对具体事件情景的具象化全景描述。情景图谱的构建流程为：①在情景模型指导下，依靠概念抽取和概念关系抽取构建领域情景本体；②采集具体事件的实时信息，在情景本体的指导下，构建具体灾害事件情景图谱，具体如图8所示。为了验证情景模型的有效性和情景图谱构建流程的合理性，本文基于上述构建流程，以2007年吉林省特大旱灾情景图谱为例进行实证研究。

图8 情景图谱构建流程图

5.1 情景本体构建

本文选取中国新闻网、新华网、新浪财经和中国知网关于干旱灾害的新闻报道、分析报告和科研论文等，共计415篇，以此作为构建情景本体的语料。

5.1.1 事件抽取结果

对语料进行事件关系抽取和事件抽取，共获得499个事件节点、394条关系，部分节点如图9所示。对499个事件节点和事件关系对进行自动聚类和人工命名，共得到25个泛化后的事件节点。

图9 部分事件节点图

5.1.2 类和属性设计1）事件类

结合知识库、案例库和专家经验分析，对泛化后的事件节点和事件关系进行人工分析，得到与水旱灾害相关的18个事件以及与旱灾应急管理相关的6个事件，将这24个节点映射到上层情景本体中，得到干旱情景事件类，如图10所示。

图10 干旱灾害情景的事件类结构

2）事件对象类和事件环境类

事件对象和事件环境类设计都是围绕事件展开的，上述事件节点中，涉及的事件对象包括参与机构、人、物资、土壤、农作物和牲畜，涉及的事件环境包括气候、水文、土壤、植被、动植物等。

3）属性设计

对象属性设计指类之间的关系，事件、事件对象和事件环境三者之间的关系可以直接复用上层类的对象属性。事件之间的非分类关系指事件关系抽取得到的因果关系、顺承关系等。数据属性指事件、事件对象和事件环境的属性，部分数据属性如表4所示。

表4 干旱灾害情景数据属性

5.2 情景图谱构建

东北三省是我国的粮食主产区之一，对于保障我国粮食安全具有至关重要的作用。但是东北经常发生干旱导致粮食减产，旱灾对东北的粮食储备造成了很大的冲击。因此，本文以2007年吉林省特大旱灾为案例，基于旱灾情景本体，构建了2007年吉林省特大旱灾情景图谱，如图11所示，图中的实心椭圆代表事件，实心圆代表事件对象，实心矩形代表事件环境，空心矩阵表示要素属性。

图11展示了发生在2007年6月26日与吉林省特大旱灾密切相关的各项情景要素的状态及其之间的联系。旱灾情景图谱一方面充分反映了旱灾当时的状态，描述了一些正在发生和已经发生的事件的状态、事件参与对象的特征以及事件所处环境的特征，另一方面也能依赖于事件关系、事件对象特征和事件环境特征反映旱灾未来的发展趋势。

图11 2007年吉林省特大旱灾情景图谱

情景图谱用数据描述了事件和事件对象的状态和特征，用事件之间的关系描绘了事件可能的演变路径，用事件对象特征和事件所处环境特征来确定最可能的演变路径。以吉林省西部农作物减产事件为例，事件的发展状态包括受灾地点、受灾面积、绝收面积等；事件对象的特征包括农作物的生长阶段、抗旱性能等；农作物减产、粮食短缺事件和粮价上涨三个事件之间的因果关系展示了农作物减产事件未来的发展趋势，即可能导致粮食短缺和粮价上涨；农作物的特征在一定程度上反映了农作物减产这一事件的发展趋势，即可能导致正处在灌溉期的小麦大幅减产，而暂时不会导致还未到灌浆期的玉米大幅减产。以白城市降雨减少事件为例，事件所处状态包括日均降雨量等，事件所处环境特征包括海拔、地势、季风风向等，白城市的自然环境在一定程度上反映了事件的走向，即白城市的地形可能导致白城市降雨持续减少。

6 结论与展望

本文首先对重大突发事件情景进行高度抽象，构建了重大突发事件情景模型。该模型以事件为中心，依赖事件间的关系建立情景要素之间的联系。其次，基于情景模型，提出了重大突发事件双层情景本体结构，采用自上而下的方法构建情景上层本体，再利用事件抽取和人工辅助相结合的方法，自下而上构建下层情景本体。最后，提出了情景图谱的构建流程，构建了旱灾情景本体，并对情景本体进行实例化，构建了2007年吉林省特大旱灾情景图谱。

本文的学术价值体现在：第一，以事件为中心，基于公共安全三角形模型，提出了重大突发事件情景模型，该模型不仅可以反映各个情景要素的状态，还能够直观地反映要素之间的内在联系；第二，基于情景模型提出了一种情景本体结构，将情景本体分为表示分类关系的上层本体和表示非分类关系的下层本体，实现了情景模型中的要素、关系和属性的共享和复用；第三，提出了一种BERT+CRF模型和人工辅助相结合构建重大突发事件情景本体的方法，该方法可以在很大程度上弥补专家判断的主观性，从而大大降低了领域情景图谱构建的时间复杂度；第四，本文构建的情景图谱不仅能够描述事件、事件对象和事件环境的状态和特征，还能够解释事件发展与演变的内在动因，预测事件未来的发展趋势。

本文也存在一定的局限性。首先，构建情景本体时所使用的语料较少，不能够完全反映干旱这一突发事件的全貌。因此，在未来的研究中，将扩大突发事件的语料库，完善重大突发事件情景本体。其次，在领域概念抽取、情景图谱构建等过程中，还是需要大量依赖于人工。因此，在未来的研究中，将进一步将采用自动化的方法完成领域概念抽取和情景图谱构建。除上述两点外，未来将基于情景模型、情景本体和情景图谱研究重大突发事件的情景演变，构建情景演化网络模型，探究情景演变的机制，实现重大突发事件的关键情景推演。