【技术实现步骤摘要】
社区安全风险预测方法、装置、电子设备及介质
[0001]本专利技术涉及数据处理和风险预测
，尤其涉及一种社区安全风险预测方法、装置、电子设备及介质。
技术介绍
[0002]目前社区安全风险预测的主要方法是传统预测方法，传统预测方法即依据于专家经验知识打分的静态分析方法。随着机器学习被广泛应用到风险研判和风险推理中，机器学习和传统预测方法结合的基于静态数据进行推理的静态知识图谱被广泛应用到社区安全风险预测中。静态知识图谱即通过提取头部实体数据的特征和连接的尾部实体数据的特征，对数据进行处理，得出结论，然而上述方法不能解决实际情况中社区风险随时间变化而不断改变的问题，无法实时更新和截取有效信息，忽略了数据间存在的影响，降低了社区安全风险预测的准确性。
技术实现思路
[0003]本专利技术提供一种社区安全风险预测方法、装置、电子设备及介质，旨在提升社区安全风险预测的准确性。
[0004]本专利技术提供一种社区安全风险预测方法，包括：
[0005]获取并分析历史社区安全风险事件，得到各个实体数据...
【技术保护点】
【技术特征摘要】
1.一种社区安全风险预测方法，其特征在于，包括：获取并分析历史社区安全风险事件，得到各个实体数据及其对应的时间戳数据，根据各个所述实体数据及其对应的时间戳数据构建对应的四元组数据，得到对应的知识图谱，其中，所述实体数据包括头部实体数据和尾部实体数据；通过预设聚合器将所述知识图谱中各个时刻下，各个所述头部实体数据及其对应的尾部实体数据进行聚合，得到各个所述时刻下的各个局部数据；基于各个所述时刻下的各个所述局部数据确定其对应的全局数据，通过各个所述时刻下的全局数据及其对应的各个局部数据对预设神经网络进行训练，得到社区安全知识图谱模型；确定输入的待预测时刻，基于所述社区安全知识图谱模型对所述待预测时刻的社区安全风险进行预测。2.根据权利要求1所述的社区安全风险预测方法，其特征在于，所述通过预设聚合器将所述知识图谱中各个时刻下，各个所述头部实体数据及其对应的尾部实体数据进行聚合，得到各个所述时刻下的各个局部数据的步骤包括：根据各个所述时刻下，各个所述头部实体数据对应的实体关系的关系特征，将各个所述头部实体数据对应的尾部实体数据进行分类，对应得到多个关系特征的尾部实体数据；通过所述预设聚合器将各个所述时刻下，各个所述头部实体数据对应的具有相同关系特征的尾部实体数据进行聚合，得到各个所述时刻下的各个新头部实体数据；通过所述预设聚合器将各个所述时刻下的各个新头部实体数据进行再次聚合，得到各个所述时刻下的各个局部数据。3.根据权利要求1所述的社区安全风险预测方法，其特征在于，所述基于各个所述时刻下的各个所述局部数据确定其对应的全局数据，通过各个所述时刻下的全局数据及其对应的各个局部数据对预设神经网络进行训练，得到社区安全知识图谱模型的步骤包括：对各个所述时刻下的各个所述局部数据进行最大池化操作，得到各个所述时刻下的最大局部数据，并获取各个所述时刻的上一时刻对应的上一时刻全局数据和上一时刻局部数据；根据各个所述时刻下的最大局部数据及其对应的上一时刻全局数据，得到各个所述时刻下的全局数据；基于各个所述时刻下的全局数据及其对应的各个局部数据，及其对应的上一时刻局部数据，得到各个所述时刻下的目标局部数据；基于各个时刻下的全局数据及其对应的目标局部数据对所述预设神经网络进行训练，得到所述社区安全知识图谱模型。4.根据权利要求1所述的社区安全风险预测方法，其特征在于，所述基于所述社区安全知识图谱模型对所述待预测时刻的社区安全风险进行预测的步骤包括：基于所述社区安全知识图谱模型中的时间顺序，建立所有社区安全风险事件对应的联合分布；将所述联合分布转化为对应的条件分布序列，并确定与所述待预测时刻的事件相关的历史社区事件；根据所述条件分布序列和所述历史社区事件，得到所述待预测时刻对应的社区安全条
件概率；根据所述社区安全条件概率对所述待预测时刻的社区安全风险进行预测。5.根据权利要求4所述的社区安全风险预测方法，其特征在...
【专利技术属性】
技术研发人员：柳长安，赵蕾，史运涛，张荫芬，董哲，雷振武，周萌，殷翔，
申请(专利权)人：中国标准化研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。