基于因果逻辑库的定性事件结果及结果方向性预测

最新推荐文章于 2025-06-23 14:05:49 发布

原创

最新推荐文章于 2025-06-23 14:05:49 发布 · 871 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#事理图谱 #图谱 #因果图谱 #事件预测

项目基于因果事件图谱，利用历史因果知识，通过计算事件相似性来定性预测事件可能带来的积极或消极影响。提供了一个预测接口演示，并已将因果事理图谱公开至开放知识图谱联盟。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

EventPredictBasedOnEG

future event predict demo based on causal event graph that covers the full industries that can predict the benefits or bad effects in accordance with the event given by the user, 基于因果逻辑库的定性事件及方向性预测

项目介绍

基于海量数据进行因果挖掘,可以得到大量的因果知识，基于因果逻辑库,即历史因果,通过计算当前事件与历史事件的相似性，可以在定性的方式上做出一些方向性的预测，方向上包括两种，一种是积极信号，另一种是消极信号，本项目主要是想完成这一目标．即基于因果逻辑库的定性事件及方向性预测项目

使用方式

执行python predict_event.py
输入一个事件，默认返回该事件所能导致的有利影响和不利影响

    handler = QA()
    while 1:
        event = input('请输入一个事件：').strip()
        good_effects, bad_effects = handler.qa_main(event)
        if good_effects:
            print('有利影响:')
            print('\n'.join(list(good_effects.keys())[:20]))
        if bad_effects:
            print('不利影响:')
            print('\n'.join(list(bad_effects.keys())[:20]))
        if not good_effects and not bad_effects:
            print('sorry，目前还预测不出来.')