本篇文章围绕事件图谱应用，介绍了智能金融和情报分析领域的几大场景。
智能金融领域
基于事件关系网络的金融风险事件监控
什么是金融风险事件监控？
具体来说就是对金融风险实施监控以及提前感知，通过提前报警的方式提示相关人员采取相应的应对措施。如果我们可以借助风险事件图谱做推理，在风险发生之前能够预测出来，更早的发现风险及早采取措施避免风险的发生，有很大益处。
假设一个风险是对某个事件主体进行不同风险表现进行描述，可以模式化成“风险主体+风险表现或动作”。例如：财务风险可以形式化成“营业额下降”、“净利润腰斩”等风险事件，形成一个风险事件集合。事件形式化后，可以与构建好的因果事件图谱中的事件进行对齐和链接，获取导致该事件的前序事件集合或者事件传导链集合。
如何实现？
可以从标题中，通过最小子句切分规则进而得到事件的候选集合，再对候选事件集合中的事件通过主谓宾短语识别，获取相应的触发事件。例如：给定标题“风险情绪回归，原油涨不停，黄金没戏”，可以切分为“风险情绪回归”、“原油涨不停”以及“黄金没戏”三个子事件。
数值类数据方面，如国家GDP增速数据，银行杠杆率数据，通过监测数据的变动，将变动的结果形式化为一个事件，执行后续的事件类型。
基于事理图谱的金融标的物判定预测
什么是金融标的物？
金融标的物，指的是可以进行市场交易的一类商品，包括期货、股票、基金等，例如国内上市公司股票，大连商品交易所、上海期货交易所以及郑州商品交易所挂牌交易的大豆、豆粕、豆油、塑料、矿石、纤板、聚炳烯、鸡蛋等期货产品。在确定标的物之后，判断某一事件发生后期能影响的主体，这一步需要实现确定和给定一个目标标的物集合列表；然后判定受影响标的物的利好或者利空方向；最后根据目标标的物受影响的概率或者可能性来判定目标标的物利空或利好的程度。
如何实现？
例如，以“螺纹钢价格上涨”为核心的因果逻辑传导推理链条，在经过不断进行链条的推理扩展之后，步步推理至各类实体事件后最终产生的结果图。从一度推理的“螺纹钢价格上涨”导致废钢库存小幅减少，到小麦期货小幅收低等多层推理结果等，能够在一定程度上描绘出整个逻辑链条的传导机制。
事理与产业链图谱联合的金融标的物预测
单纯依赖于事件之间的因果关系，不足以覆盖住足够多的标的物推理场景。进行标的物预测时，既可以通过产业链传导规则实施推理，也可以通过因果关系或者两者之间的联合推理完成标的物任务。可以采用融合事理图谱和产业链图谱的模板生成式判定方法，即前期通过因果事件图谱总结出一系列金融标的物影响模板，如上游原料产能不足->上游原材料价格上涨->下游产品价格上涨。而在给定一个事件后，通过实体识别链接方式链接到某个上游原材料，然后通过实体关系图谱找到对应的下游产品及其关联动作。通过产业链传导规则得到影响结果，并形式化为事件，再通过因果事件图谱查找出后续结果，两种方式互相迭代，得到相应的预测结果。
基于事理图谱结构的金融业务知识管理
基于事理结构的投研逻辑管理工具：指借助事件图谱中以事件为核心，事件体系为整个骨骼支撑起来，对具体事件、实体、逻辑等的统一管理。以事件体系为架构的知识管理可以形成一个领域事件管理平台。具体包括事件的体系定义模块、事件知识的编辑模块、事件知识的更新模块、事件知识的导出模块。
基于事理抽取的金融风险自动梳理：每个行业的经营风险都是各种各样的，究竟行业有哪些风险，只有在行业内摸爬滚打多年的资深从业人士可能才能摸得清楚，但也未必全面；所以如果能够用事理图谱把公司债券都有哪些风险自动梳理出来，基于这些逻辑、风险的表现，就可以进一步的组织对各个公司的债券做风险管控，尽可能的规避风险。
情报推荐领域
消费推荐
顺承事件图谱可以很好地刻画具有时序特征的事件，我们可以利用这种阶段性特征完成消费推荐任务。
例如：根据用户所说“丽江是个好地方，我想去看看”，通过分析用户的意图，可以识别出一个出行事件“游走丽江”这一事件图谱可以推荐多种消费行为。
例如：“出机场、看到接待点”这一事件，可以推出“机票预订与推荐”和“接机和送机”相关服务。
例如:“预订客栈”这一事件，可以推出“酒店预订”相关服务。
情报监控
情报监控，指对特定文本进行文本情绪、传播、演化等计算。目前情报监控主要集中在对特定网站或文本进行采集，通过主题分析，热点发现等手段进行情报建模。
例如：针对“猪瘟”这一事件，根据事件逻辑关系，可以推测出猪肉价格上涨，出栏率下跌，饲料价格下跌等后续事件。通过对这些可能发生的后续事件进行监测，对后期的控制和预警有很大帮助。
重要新闻判别
通过对新闻文本进行提取，与事件图谱相结合，根据事件后续产生影响的重要性为整个新闻评分，并给出该新闻事件所蕴含的未来事件信息。这种方式对新闻资讯进行建模和筛选，结合用户的兴趣模型可以完成重要新闻的判别和推荐。
文本信息生成
根据领域事件图谱模型，可以生成特定的文本。对特定领域事件进行建模，可以得到领域所属的事件体系，以该事件体系为模板，通过填充数据，形成相应文本。
参考文献：
https://new.qq.com/rain/a/20220106A04JW600
https://blog.csdn.net/harleyrecsys/article/details/122553163
https://anxiang1836.gitbook.io/nlp-keypoints/zhi-shi-tu-pu-ban-kuai/00-envent-graph