CN112069227B - 一种面向事件序列的因果建模方法及装置 - Google Patents

Abstract

本发明公开了一种面向事件序列的因果建模方法及装置，包括：获取多条事件序列数据，其中每条事件序列都包含多个带前后顺序关系的事件，事件序列中的事件都来源于一个共享的事件集合；将事件序列数据转化为向量化的表示，并完成事件序列的聚类；使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系。本发明通过创建了一个新的因果检测框架实现了面向事件序列的因果检测方法，其实现方法简便，手段灵活，因果关系的质量能得到显著保证。

Description

一种面向事件序列的因果建模方法及装置

技术领域

本发明涉及计算机因果分析和可视化领域，尤其涉及一种面向事件序列的因果建模方法及装置。

背景技术

事件序列数据的因果分析可以表征事件之间的关系，在各个领域内都可以发挥重要作用，例如营销行为分析，电子病历和医疗保健分析，以及错误日志分析等等。控制实验是常见的推导事件原因的方法，但是由于实验设置的高昂成本，在许多情况下控制实验并不适用与应用领域。基于此，许多研究工作使用共现关系来模拟事件之间的联系。基于共现的方法假定频繁共同发生的事件高度相关。但是，共现不是因果关系，所提供的见解也比较模糊。因此，使用因果关系表征事件关系仍然是必不可少的。

现有的因果检测算法主要面向静态表格型数据，如基于约束的因果检测和基于评分的因果检测。尽管存在着与时间相关的因果检测方法，如格兰杰因果检测等等，这些方法面向的数据为连续的时间序列，无法直接应用于离散的事件序列。因此，目前缺少具体的实现方法来检测事件序列中包含的事件因果关系。

发明内容

本发明实施例的目的是提供一种面向事件序列的因果建模方法及装置，以解决现有因果检测方法无法直接应用于离散的事件序列的问题。

本发明的目的是通过以下技术方案来实现的：一种面向事件序列的因果建模方法，包括以下步骤：

第一方面，本发明实施例提供一种面向事件序列的因果建模方法，包括：

获取多条事件序列数据，其中每条事件序列S都包含多个带前后顺序关系的事件，事件序列中的事件都来源于一个共享的事件集合；

将事件序列数据转化为向量化的表示，并完成事件序列的聚类

使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系。

第二方面，本发明实施例还提供一种面向事件序列的因果建模装置，包括：

获取模块，用于获取多条事件序列数据，其中每条事件序列S都包含多个带前后顺序关系的事件，事件序列中的事件都来源于一个共享的事件集合；

向量化和聚类模块，用于将事件序列数据转化为向量化的表示，并完成事件序列的聚类；

结果获取模块，用于使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系。

第三方面，本发明实施例还提供一种面向事件序列的因果建模方法，包括：

根据目标城市A和周围城市集合C获取和A相关的空气污染事件序列S；

将空气污染事件序列S转化为向量化的表示，并完成事件序列的聚类；

使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络G，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系；

根据因果网络G分析城市A的空气污染传播来源，其中因果图中边的连接方向代表了空气污染的传播，空气污染的源头城市通过回溯边进而获取根节点得到。

根据以上技术方案，本发明的有益效果是，区别于传统面向静态表格型数据的因果检测，本发明通过创建了一个通过提取子序列保留时间先后关系的因果检测框架实现了面向事件序列的因果检测方法，其实现方法简便，手段灵活，因果关系的质量能得到显著保证。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例提供的一种面向事件序列的因果建模方法的流程框图；

图2为本发明实施例提供的一种面向事件序列的因果建模方法的时序流程图；

图3为本发明实施例提供的一种面向事件序列的因果建模装置的框图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例1：

图1为本发明实施例提供的一种面向事件序列的因果建模方法的流程图；本实施例提供的一种面向事件序列的因果建模方法，包括以下步骤：

步骤S101，获取多条事件序列数据，其中每条事件序列S都包含多个带前后顺序关系的事件，事件序列中的事件都来源于一个共享的事件集合；

上述的事件可以为空气污染传播或体育运动事件，当然不限于这里罗列的两类。

步骤S102，将事件序列数据转化为向量化的表示，并完成事件序列的聚类；

其中所述向量化的方法采用词袋(Bag-of-Word)模型，统计序列中每个事件的发生次数完成向量化。所述聚类的方法采用现有的基于密度的聚类算法；

步骤S103，使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系。具体包括以下子步骤：

步骤(2.1)，一条长度为N的事件序列S包含事件为[e₁,…,e_n]，其中e_i的发生时间不晚于e_i+1，对该事件序列进行展开得到N条子事件序列S_i＝[e₁,…,e_i]；

步骤(2.2)，利用词袋模型将每条子事件序列S_i转化为一个向量V_i，向量中的每一个维度都代表了一个事件，每一个维度上的值为0或者1，代表事件没有发生或已经发生；

步骤(2.3)，将一类事件序列的子事件序列聚合得到表格T，T中每一行是一个子事件序列，每一列是一个事件；

步骤(2.4)，对每个类，将表格T输入到因果检测算法中得到反映事件因果关系的因果网络，由此得到M个组和M个相对应的因果网络G；

步骤(2.5)，判断整个数据集中每条事件序列与各个因果网络G的相似度，并将该序列重分配到相似度最高的因果网络G所对应的组中；其中相似度的计算包括：

统计在事件序列S中观测到的属于因果网络G的因果关系数量；

对于G中的一条因果关系(e_i,e_j)，即e_i的发生导致了e_j的发生，在事件序列S中观测到e_i先发生而e_j后发生的现象则认为该条因果关系得到匹配，否则不匹配，匹配的因果关系的数量越多则认为该因果网络G与该事件序列S的相似度越高。

步骤(2.6)，迭代执行步骤(2.3)至(2.5)，直到每个组所包含的事件序列不再改变，即收敛。

实施例2：

本发明基于一种面向事件序列的因果建模方法，应用于分析空气污染的传播来源时包括以下步骤：

步骤一：根据目标城市A和周围城市集合C获取和A相关的空气污染事件序列S；

具体地，获取目标城市A和周围城市集合C，并构造有关A的空气污染的事件序列，其中事件的定义由城市和污染程度组成，如C₁-轻度，C₂-重度(污染程度共两级，即轻度污染和重度污染)；针对A的每个空气污染事件A-轻度或者A-重度(定义为目标事件)寻找前置事件并构造出序列S，前置事件的标准为该事件为C城市集合内发生的污染事件，并且发生时间不早于目标事件12小时并在目标事件和的该事件的时间间隔之间A没有发生污染事件；最后将前置事件按发生的具体事件排序，得到如图2(A)的事件序列集合。

步骤二：将空气污染事件序列转化为向量化的表示，并在此基础上完成事件序列的聚类：向量化的方法采用了词袋(Bag-of-Word)模型，统计序列中每个污染事件的发生次数完成向量化；聚类方法采用了现有的基于密度的聚类算法，结果如图2(B)所示。

步骤S103，使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系。该步骤是本发明的核心，分为以下子步骤。

1)创建子序列

一条长度为N的事件序列S包含事件为[e₁,…,e_n]，其中e_i的发生时间不晚于e_i+1。对该事件序列进行展开得到N条子事件序列S_i＝[e₁,…,e_i]。

2)子序列向量化

利用词袋模型将每条子事件序列S_i转化为一个向量V_i，向量中的每一个维度都代表了一个事件，每一个维度上的值为0或者1，代表事件没有发生或已经发生。

3)聚合子序列

将一组中所有事件序列的子事件序列聚合得到表格T，T中每一行是一个子事件序列，每一列是一个事件。

4)组内因果检测

如图2(C)所示，对每个组，将转化得到的表格型数据T输入到现有的因果检测算法中得到反映事件因果关系的因果网络：因果网络中每个节点是一个事件，节点间通过有向边连接，表示因果关系，箭头的方向从因指向果。

5)组间重分配

如图2(D)所示，在得到M个组和M个相对应的因果网络G的基础上，判断整个数据集中每条事件序列与各个因果网络G的相似度，并将该序列重分配到相似度最高的因果网络G所对应的组中；相似度的定义为因果网络G对事件序列发展的匹配程度；匹配程度的计算为统计在事件序列S中观测到的属于因果网络G的因果关系数量。对于G中的一条因果关系(e_i,e_j)，即e_i的发生导致了e_j的发生，在事件序列S中观测到e_i先发生而e_j后发生的现象则认为该条因果关系得到匹配，否则不匹配。匹配的因果关系的数量越多则认为该因果网络G与该事件序列S的相似度越高。

6)迭代收敛

迭代执行(3)至(5)，直到每个组所包含的事件序列不再改变，即收敛；

步骤四：根据因果网络G分析城市A的空气污染传播来源：因果图中边的连接方向代表了空气污染的传播，空气污染的源头城市可以通过回溯边进而获取根节点得到。

实施例3：

本发明基于一种面向事件序列的因果建模方法，应用于分析乒乓球的运动事件序列时包括以下步骤：

步骤一：根据已有的乒乓球技术定义，将球员每回合内的每拍转变成对应的乒乓球技术(如挑打、扣杀、弧圈等)，进而将每一回合内两位运动员的挥拍记录转变为乒乓球技术的序列，最后得到事件序列集合。

步骤二：将乒乓球技术序列转化为向量化的表示，并在此基础上完成序列的聚类：向量化的方法采用了词袋(Bag-of-Word)模型，统计序列中每个乒乓球技术的发生次数完成向量化；聚类方法采用了现有的基于密度的聚类算法。

步骤三：使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络G，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系。该步骤与上述实施例2相同，这里不再进行详细赘述。

步骤四：根据因果网络G分析乒乓球技术使用的相互影响：因果图中边的连接方向代表了先前某种乒乓球技术的使用(箭头的源头)会导致后续挥拍过程中使用另外一种乒乓球技术(箭头的指向)。

实施例4：

参考图3，本发明实施例还提供一种面向事件序列的因果建模装置，该装置可以执行任意本发明任意实施例所提供的一种面向事件序列的因果建模方法，具备执行该方法相应的功能模块和有益效果。如图3所示，包括：

获取模块901，用于获取多条事件序列数据，其中每条事件序列S都包含多个带前后顺序关系的事件，事件序列中的事件都来源于一个共享的事件集合；

向量化和聚类模块903，用于将事件序列数据转化为向量化的表示，并完成事件序列的聚类；

结果获取模块905，用于使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的设备实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种面向事件序列的因果建模方法，其特征在于，包括：

获取多条事件序列数据，其中每条事件序列都包含多个带前后顺序关系的事件，事件序列中的事件都来源于一个共享的事件集合；

将事件序列数据转化为向量化的表示，并完成事件序列的聚类；

使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系；

其中，使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，具体包括：

步骤（2.1），一条长度为N的事件序列S包含事件为[e₁, …, e_n]，其中e_i的发生时间不晚于e_i+1，对该事件序列进行展开得到N条子事件序列S_i = [e₁, …, e_i]；

步骤（2.2），利用词袋模型将每条子事件序列S_i转化为一个向量V_i，向量中的每一个维度都代表了一个事件，每一个维度上的值为0或者1，代表事件没有发生或已经发生；

步骤（2.3），将一类事件序列的子事件序列聚合得到表格T，T中每一行是一个子事件序列，每一列是一个事件；

步骤（2.4），对每个类，将表格T输入到因果检测算法中得到反映事件因果关系的因果网络，由此得到M个组和M个相对应的因果网络G；

步骤（2.5），判断整个数据集中每条事件序列与各个因果网络G的相似度，并将该序列重分配到相似度最高的因果网络G所对应的组中；

步骤（2.6），迭代执行步骤（2.3）至（2.5），直到每个组所包含的事件序列不再改变，即收敛。

2.根据权利要求1所述的一种面向事件序列的因果建模方法，其特征在于，所述事件为空气污染传播或体育运动事件。

3.根据权利要求1所述的一种面向事件序列的因果建模方法，其特征在于，所述向量化的方法采用词袋(Bag-of-Word)模型，统计序列中每个事件的发生次数完成向量化。

4.根据权利要求1所述的一种面向事件序列的因果建模方法，其特征在于，所述聚类的方法采用现有的基于密度的聚类算法。

5.根据权利要求1所述的一种面向事件序列的因果建模方法，其特征在于，相似度的计算包括：

统计在事件序列S中观测到的属于因果网络G的因果关系数量；

对于G中的一条因果关系(e_i, e_j) ，即e_i的发生导致了e_j的发生，在事件序列S中观测到e_i先发生而e_j后发生的现象则认为该条因果关系得到匹配，否则不匹配，匹配的因果关系的数量越多则认为该因果网络G与该事件序列S的相似度越高。

6.一种面向事件序列的因果建模装置，其特征在于，包括：

获取模块，用于获取多条事件序列数据，其中每条事件序列都包含多个带前后顺序关系的事件，事件序列中的事件都来源于一个共享的事件集合；

向量化和聚类模块，用于将事件序列数据转化为向量化的表示，并完成事件序列的聚类；

结果获取模块，用于使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系；

其中，使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，具体包括：

步骤（2.1），一条长度为N的事件序列S包含事件为[e₁, …, e_n]，其中e_i的发生时间不晚于e_i+1，对该事件序列进行展开得到N条子事件序列S_i = [e₁, …, e_i]；

步骤（2.2），利用词袋模型将每条子事件序列S_i转化为一个向量V_i，向量中的每一个维度都代表了一个事件，每一个维度上的值为0或者1，代表事件没有发生或已经发生；

步骤（2.3），将一类事件序列的子事件序列聚合得到表格T，T中每一行是一个子事件序列，每一列是一个事件；

步骤（2.4），对每个类，将表格T输入到因果检测算法中得到反映事件因果关系的因果网络，由此得到M个组和M个相对应的因果网络G；

步骤（2.5），判断整个数据集中每条事件序列与各个因果网络G的相似度，并将该序列重分配到相似度最高的因果网络G所对应的组中；

步骤（2.6），迭代执行步骤（2.3）至（2.5），直到每个组所包含的事件序列不再改变，即收敛。

7.根据权利要求6所述的一种面向事件序列的因果建模方法，其特征在于，相似度的计算包括：

统计在事件序列S中观测到的属于因果网络G的因果关系数量；

对于G中的一条因果关系(e_i, e_j) ，即e_i的发生导致了e_j的发生，在事件序列S中观测到e_i先发生而e_j后发生的现象则认为该条因果关系得到匹配，否则不匹配，匹配的因果关系的数量越多则认为该因果网络G与该事件序列S的相似度越高。

8.一种面向事件序列的因果建模方法，其特征在于，包括：

根据目标城市A和周围城市集合C获取和A相关的空气污染事件序列S；

将空气污染事件序列S转化为向量化的表示，并完成事件序列的聚类；

使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络G，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系；

根据因果网络G分析城市A的空气污染传播来源，其中因果图中边的连接方向代表了空气污染的传播，空气污染的源头城市通过回溯边进而获取根节点得到；

其中，使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，具体包括：

步骤（2.1），一条长度为N的事件序列S包含事件为[e₁, …, e_n]，其中e_i的发生时间不晚于e_i+1，对该事件序列进行展开得到N条子事件序列S_i = [e₁, …, e_i]；

步骤（2.2），利用词袋模型将每条子事件序列S_i转化为一个向量V_i，向量中的每一个维度都代表了一个事件，每一个维度上的值为0或者1，代表事件没有发生或已经发生；

步骤（2.3），将一类事件序列的子事件序列聚合得到表格T，T中每一行是一个子事件序列，每一列是一个事件；

步骤（2.4），对每个类，将表格T输入到因果检测算法中得到反映事件因果关系的因果网络，由此得到M个组和M个相对应的因果网络G；

步骤（2.5），判断整个数据集中每条事件序列与各个因果网络G的相似度，并将该序列重分配到相似度最高的因果网络G所对应的组中；

步骤（2.6），迭代执行步骤（2.3）至（2.5），直到每个组所包含的事件序列不再改变，即收敛。