Как ИИ связывает события во времени

Два события, опубликованные с разницей в четыре года, разными изданиями, на разных языках, описывающие внешне непохожие ситуации, могут быть одной историей. Заметить это — самая долгая часть исследовательской работы, и почти ни один инструмент здесь не помогает.

Почему поиск по ключевым словам не справляется

Поиск сопоставляет строки. Связь же держится на смысле, а смысл переживает ровно ничего из того, что меняется между двумя рассказами о связанных событиях:

• меняется лексика — одна и та же организация сначала «стартап», затем «компания», затем «оператор»;
• меняется язык — более раннее сообщение существует только на языке публикации;
• меняется рамка — событие, описанное в 2022 году как техническое решение, в 2025-м описывается как политический спор;
• предмет не назван — связующим элементом оказывается человек или место, упомянутые вскользь.

Любого из этого достаточно, чтобы сломать совпадение по ключевым словам, оставив саму связь совершенно реальной.

Что связывает два события

Способов, которыми два события соотносятся друг с другом, немного, и каждый из них можно извлечь и сравнить.

Общие сущности. В обоих встречается один и тот же человек, организация, место или продукт. Это самый частый мост и самый лёгкий для ошибки: имена неоднозначны, поэтому сущность нужно разрешать, а не просто сопоставлять.

Общая тема. Оба относятся к одной предметной области — на полезном уровне конкретности. «Технологии» не связывают ничего; более узкая классификация связывает многое.

Общее происхождение источников. Оба восходят к одному исходному сообщению. Полезно и в обратную сторону: показывает, когда внешнее подтверждение — это один источник, повторённый многократно.

Близость во времени с причинной формой. События, сгруппированные во времени вокруг одних и тех же сущностей, часто выстраиваются в последовательность: объявление, реакция, следствие. Одна близость — слабый сигнал; близость плюс общие сущности — сильный.

Семантическая близость. Два описания означают примерно одно и то же при полном отсутствии общей лексики. Именно в этом языковые модели действительно хороши, и именно этот мост переживает перевод и перефразирование.

Конвейер

На практике связывание событий во времени — это последовательность обычных шагов:

1. Извлечение — вытащить события и сущности из неструктурированного текста, с датами.
2. Разрешение — решить, что два упоминания относятся к одной сущности, а два сообщения описывают одно событие.
3. Связывание — вычислить перечисленные выше связи, каждую с указанием того, как она получена.
4. Размещение — поставить событие в хронологию по дате, когда оно произошло, а не когда о нём сообщили.
5. Показ — вывести связь вместе с её основанием, чтобы читатель мог её оценить.

Пятый шаг — не украшение. Связь, которую нельзя проверить, — это утверждение, принимаемое на веру, а это ровно тот тип системы, где принятие на веру и есть режим отказа.

Что здесь ошибается

Разрешение сущностей спотыкается на распространённых именах и на организациях, меняющих идентичность. Дедупликация событий объединяет то, что не следовало, или разделяет то, что разделять не стоило. Семантическая близость находит пары, близкие тематически и не связанные причинно.

Ничто из этого не повод отказываться от работы — исследователь, делающий её вручную, совершает те же ошибки, только медленнее. Это повод показывать связи как гипотезы с видимым обоснованием, а не как факты.

Результат

Когда это работает, тема перестаёт быть грудой документов и становится графом, по которому можно ходить. Вы входите в любое событие и движетесь наружу: к его источникам, к участвующим сущностям, к тому, что ему предшествовало, к тому, к чему оно привело.

Эта прогулка и есть содержание исследовательской работы. Смысл связывания событий в том, чтобы она занимала минуты, а не недели.