基于扎根理论和事理图谱的船舶航行事故致因分析方法技术

一种基于扎根理论和事例图谱的船舶航行事故致因分析方法，首先获取各类船舶航行事故报告，基于扎根理论通过自定义核心概念构建船舶航行事故领域本体核心概念；接着根据构建的本体核心概念对事件实体进行分类、标注和事件抽取；再基于事件抽取结果，对事件关系进行标注和抽取；将得到的船舶航行事故事件抽取和事件关系抽取的结果导入Neo4j数据库中，完成船舶航行事故事理图谱的构建；基于构建的船舶航行事故事理图谱进行船舶航行事故致因分析。本发明专利技术基于扎根理论，结合船舶航行事故领域特征，提炼出船舶航行事故致因因素，构建了船舶航行事故致因模型，系统性分析了船舶航行事故的各个致因，对船舶航行安全管理具有理论及实践意义。践意义。践意义。

【技术实现步骤摘要】
基于扎根理论和事理图谱的船舶航行事故致因分析方法


[0001]本专利技术属于事理图谱
，涉及扎根理论、事理图谱和事故致因分析交叉技术，更具体是涉及一种通过扎根理论构建事理图谱以实现船舶航行事故致因分析的方法。

技术介绍

[0002]航海运输是确保国际贸易和全球经济繁荣的重要运输方式之一，据统计，截至2020年水运约占世界贸易量的90％。航运活动变得越来越频繁，因此也带来了事故的高发生率。为了防止事故的发生或最大限度地减少其影响，需尽可能准确完整地找出事故致因要素，并做出相应的安全预防对策。因此分析船舶航行事故致因是提高船舶航行安全的重要手段。现有关于船舶航行事故的致因分析大都采用线性事故链致因模型或传染病致因模型，以系统性视角来研究船舶事故的成果较少，缺乏细致、扎实的大样本研究，难以捕捉航行事故的复杂影响。

技术实现思路

[0003]本专利技术的目的是针对现有技术存在的缺陷，提出一种基于扎根理论和事理图谱的船舶航行事故致因分析方法。
[0004]本专利技术针对船舶事故致因复杂、突发性强、危险程度高的现状，运用将扎根理论和事理图谱相结合的研究方法，通过对船舶航行事故调查报告进行分析，结合船舶航行事故领域特征，基于扎根理论构建航行事故语料库，在此基础上基于深度学习方法构建船舶航行事故事理图谱，从而分析船舶航行事故的各个致因。
[0005]为达到上述目的，本专利技术采用如下技术方案予以实现。
[0006]一种基于扎根理论和事理图谱的船舶航行事故致因分析方法，包括如下步骤：/>[0007]1、获取各类船舶航行事故调查报告；
[0008]2、对步骤1中获取的船舶航行事故调查报告，结合船舶航行事故特点以及其他事故领域现有本体的复用，基于扎根理论构建船舶航行事故领域本体核心概念；
[0009]3、基于步骤2中构建的船舶航行事故本体核心概念，对步骤1中获取的船舶航行事故调查报告中的船舶航行事故事件实体进行分类，并基于本体核心概念标注事件实体，以建立一套适用于船舶航行事故领域的事理图谱语料库，再对事件实体标注进行有监督学习模式的事件抽取，完成船舶航行事故事理图谱中事件的构建；
[0010]4、基于步骤3中的事件实体抽取结果，采用深度学习工具对步骤1中获取的船舶航行事故调查报告中的船舶航行事故的事件关系进行标注，再采用脉冲耦合神经网络PCNN的方法对标注的事件关系进行半自动抽取，完成船舶航行事例图谱中事件关系的构建；
[0011]5、将步骤3和步骤4得到的船舶航行事故事件抽取和事件关系抽取的结果导入Neo4j数据库中，完成船舶航行事故事理图谱的构建；
[0012]6、基于步骤5构建的船舶航行事故事理图谱进行船舶航行事故致因分析。
[0013]进一步优选的，步骤2中，所述的构建核心概念指对步骤1中所述的船舶航行事故
调查报告中的数据进行开放性编码、主轴编码和选择性编码，然后对航行事故核心概念进行提取，最终形成的船舶航行事故本体核心概念。
[0014]进一步优选的，所述的开放性编码是对步骤1所述的船舶航行事故调查报告原始数据逐行逐句进行编码，通过不断地比较将原始数据逐步概念化与范畴化，剔除频率出现在三次以下的初始概念，从而抽取出初始范畴；所述的主轴编码是对开放性编码所形成的初始范畴进行进一步的提炼，对初始范畴的不同类型进行划分，将结构、类型以及逻辑关系相似的范畴归为一类，并进一步区分出主范畴及其对应副范畴；所述的选择性编码是指通过对主范畴的整理，对比“4M”理论模型的人为致因(Men)、设备致因(Machine)、作业致因(Media)和管理致因(Management)，结合船舶航行事故的特征，选择核心范畴，把核心范畴系统地和其他范畴进行联系，验证它们之间的关系，并把概念化尚未发展完备的范畴补充完整。所述的核心概念提取是指首先通过ABC本体模型中的事件、情景，SEM模型中的事件参与角色作为上层本体层，复用SEM模型中的类型、地点、事件作为一级概念；然后参考化工事故、建筑事故、突发事件等多个事故相关领域本体，对涉及的核心概念进行抽取及泛化，最后结合扎根理论方法所形成的选择性编码，完成船舶航行事故本体核心概念的构建。
[0015]进一步优选的，所述的主范畴指安全管理、知觉错误、违规操作、决策错误、环境因素、船舶设备因素、人员因素、船员安排不恰当、航行计划不充分，所述的核心范畴指设备因素、环境因素、管理因素、人为因素以及应急反应因素。
[0016]进一步优选的，步骤3中所述的有监督学习模式指通过8:1:1的比例将事理图谱语料库分为训练集、测试集、验证集，使用Word2vec工具对语料库进行向量化，再将向量输入双向长短时记忆神经网络和条件随机场BiLSTM
‑
CRF模型进行事件抽取训练。
[0017]进一步优选的，步骤4中所述的PCNN方法，将步骤(1)中获取的船舶航行事故调查报告文本分成三段进行卷积，然后进行分段最大池化，最后通过分类器完成事件关系半自动抽取。
[0018]进一步优选的，步骤6中所述的船舶航行事故致因分析，将从步骤(5)中获取的船舶航行事理图谱中挖掘事故致因关键元路径，然后分时间段分析随时间变化的事故传导路径，分析不同类型事故的关键传导路径，最后提取不同类型关键事故的中心图谱，进行具体事故的致因分析。
[0019]进一步优选的，所述的挖掘事故致因关键元路径挖掘，还包括以下步骤：
[0020]a)预定义的临界值表示重要元路径连接的事故因果对的最小数目；
[0021]b)定义种子事故集合，从给定的种子事故出发遍历原因节点，对事例图谱进行广度遍历和深度遍历，形成种子节点的因果路径元组列表
[0022]c)在遍历过程中计算每个原因节点的因果关联中心性，检查是否比给定的临界值大，如果是就保留，否则就剪枝。
[0023]d)对所挖掘的事故元路径，通过半监督学习PU方法确定元路径权重，即把种子事故和候选实体分别作为正例和无标签数据，先从无标签的数据中确认可靠的负例集合，然后采用SVM迭代建立分类器，以自动学习元路径权重，最终得到按重要性排序的元路径。
[0024]本专利技术通过构建船舶航行事故事理图谱分析研究船舶航行事故致因。针对各类船舶航行事故调查报告，通过扎根理论构建本体核心概念，以实现事件抽取和事件关系抽取，建立能够描述船舶航行事故致因的事理图谱，并基于该事理图谱，分析船舶航行事故致因。
附图说明
[0025]图1为本专利技术的基于扎根理论和事理图谱的船舶航行事故致因分析方法的流程图。
具体实施方式
[0026]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步的详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本专利技术，并不用于限定本专利技术。
[0027]如图1所示，为本专利技术的一基于扎根理论和事理图谱的船舶航行事故致因分析方法，具体内容和步骤如下：
[0028](1)获取各类船舶航行事故调查报告；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于扎根理论和事理图谱的船舶航行事故致因分析方法，其特征在于，包含以下步骤：(1)获取各类船舶航行事故调查报告；(2)对步骤(1)中获取的船舶航行事故调查报告，结合船舶航行事故特点以及其他事故领域现有本体的复用，基于扎根理论构建船舶航行事故领域本体核心概念；(3)基于步骤(2)中构建的船舶航行事故本体核心概念，对步骤(1)中获取的船舶航行事故调查报告中的船舶航行事故事件实体进行分类，并基于本体核心概念标注事件实体，以建立一套适用于船舶航行事故领域的事理图谱语料库，再对事件实体标注进行有监督学习模式的事件抽取；(4)基于步骤(3)中的事件实体抽取结果，采用深度学习工具对步骤(1)中获取的船舶航行事故调查报告中的船舶航行事故的事件关系进行标注，再采用脉冲耦合神经网络PCNN的方法对标注的事件关系进行半自动抽取；(5)将步骤(3)和步骤(4)得到的船舶航行事故事件抽取和事件关系抽取的结果导入Neo4j数据库中，完成船舶航行事故事理图谱的构建；(6)基于步骤(5)构建的船舶航行事故事理图谱进行船舶航行事故致因分析。2.根据权利要求1所述的一种基于扎根理论和事理图谱的船舶航行事故致因分析方法，其特征在于，步骤(2)中，所述的构建本体核心概念的具体内容和方法是，先对步骤(1)中所述的船舶航行事故调查报告中的数据，进行开放性编码、主轴编码和选择性编码，然后对航行事故核心概念进行提取，最终形成的船舶航行事故本体核心概念。3.根据权利要求1所述的一种基于扎根理论和事理图谱的船舶航行事故致因分析方法，其特征在于，步骤(3)中，所述的有监督学习模式是指通过8:1:1的比例将事理图谱语料库分为训练集、测试集、验证集，使用Word2vec工具对事理图谱语料库进行向量化，再将向量输入双向长短时记忆神经网络和条件随机场BiLSTM
‑
CRF模型进行事件抽取训练，最后完成船舶航行事故事理图谱中事件的构建。4.根据权利要求1所述的一种基于扎根理论和事理图谱的船舶航行事故致因分析方法，其特征在于，步骤(4)中，所述的脉冲耦合神经网络PCNN方法的具体内容和步骤是，将步骤(1)中获取的船舶航行事故调查报告文本分成三段进行卷积，然后进行分段最大池化，通过分类器完成事件关系半自动抽取，最后完成船舶航行事例图谱中事件关系的构建。5.根据权利要求1所述的一种基于扎根理论和事理图谱的船舶航行事故致因分析方法，其特征...

【专利技术属性】
技术研发人员：尹隽，纪哲，葛世伦，钱萍，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：