一种开源知识指引下的反恐知识图谱构建与赋权方法技术

本发明专利技术涉及一种开源知识指引下的反恐知识图谱构建与赋权方法，包括：基于当前涉恐风险预测任务，生成任务模型；基于任务模型，筛选多个候选因子；将候选因子分类为N类因子集；将N类因子集按类别进行重要性两两比较，得到每一类因子集相对于其它类因子集的相对权重；对每一类因子集内部的多个评估因子进行重要性两两比较，得到每一类因子集内的各评估因子相对于其它评估因子的相对权重；基于每一类因子集相对于其它类因子集的相对权重和每一类因子集内的各候选因子相对于其它候选因子的相对权重，得到每一候选因子的权重比；基于每一候选因子的权重比，确定目标地区和目标时间的涉恐风险等级。涉恐风险等级。涉恐风险等级。

【技术实现步骤摘要】
一种开源知识指引下的反恐知识图谱构建与赋权方法


[0001]本专利技术涉及反恐领域，具体涉及一种开源知识指引下的反恐知识图谱构建与赋权方法。

技术介绍

[0002]为了较好的了解我国学者对反恐相关研究情况，通过中国知网搜集国内学者在反恐方面的研究文献资料，能够搜集丰富的反恐主题相关的资料文献，本专利通过关键对象和关系抽取提炼，采用自底向上的方式构建反恐主题知识图谱，通过德尔菲法完善图谱，反恐主题知识图谱能够较好的应用于科普、培训，并且能够为机器学习、数据挖掘等算法提供良好的数据支撑，同时也能直观的为反恐研究提供一个独特的视角。
[0003]目前关于反恐研究的领域多数是通过开源数据以及互联网数据，以此构造恐怖组织的社会网络，利用机器学习等算法，挖掘出恐怖组织网络特征、查明网络中恐怖分子头目，从而预防和打击恐怖活动并取得了较好的成果，但对反恐的数据没有一个较为规范的标准，从而构造的网络不能客观、全面的反映恐怖组织的特征，而在知识图谱的构建中，如何把业务知识融入其中，使知识图谱构建的知识能够完整的反映现实，也是当今研究的话题。

技术实现思路

[0004]本专利技术的目的就是提出一种开源知识指引下的反恐知识图谱构建与赋权方法。通过前期先验知识的铺垫，基于协商机制改进的德尔菲法，高效、全面的构建反恐领域知识图谱的模式，再基于层次分析法，构建分层的多因子模型，完成需求知识图谱的构建，最终形成反恐领域知识库，指导研究人员跨学科研究反恐领域。
[0005]本专利技术的技术方案为：
[0006]本专利技术提供了一种应用于反恐领域的涉恐风险预测方法，包括：
[0007]基于当前涉恐风险预测任务，生成包含目标任务属性和目标任务描述的任务模型；
[0008]基于任务模型，从预设的综合因子集Z中筛选出多个候选因子；
[0009]基于层次分析法AHP将所选取出的候选因子分类为N类因子集；
[0010]将N类因子集按类别进行重要性两两比较，得到每一类因子集相对于其它类因子集的相对权重；
[0011]对每一类因子集内部的多个评估因子进行重要性两两比较，得到每一类因子集内的各候选因子相对于其它候选因子的相对权重；
[0012]基于每一类因子集相对于其它类因子集的相对权重和每一类因子集内的各候选因子相对于其它评候选因子的相对权重，得到每一候选因子的权重比；
[0013]基于每一候选因子的权重比，得到每一候选因子的评估得分；
[0014]基于每一候选因子的评估得分，确定目标地区和目标时间的涉恐风险等级。
[0015]优选地，任务模型中，目标任务属性描述包括烈性炸弹、机器学习算法、博弈论模型和反恐处置流程，目标任务描述为理论因子集、技术因子集和业务因子集的侧重点占比。
[0016]优选地，预设的综合因子集基于先验知识指引确定，预设的综合因子集包括理论因子集、技术因子集和业务因子集；
[0017]理论因子集包括经济学理论因子、社会学理论因子、管理学理论因子和其他理论因子；
[0018]技术因子集包括网络信息因子和恐怖武器因子；
[0019]业务因子集包括反恐预防因子、反恐处置流程因子和反恐组织架构因子；
[0020]基于任务模型，从预设的综合因子集Z中筛选出多个候选因子的步骤包括：
[0021]从理论因子集和技术因子集、业务因子集中分别选择与任务模型对应的候选因子。
[0022]优选地，基于任务模型，从预设的综合因子集Z中筛选出多个候选因子的步骤包括：
[0023]基于任务模型，从预设的综合因子集Z中先筛选出由预先确定的所有行业评估专家均选择过的第一类候选因子；
[0024]再从预设的综合因子集Z中筛选出由预先确定的所有行业评估专家中的一半以上的专家选择过的第二类候选因子；
[0025]所述第一类候选因子和所述第二类候选因子共同构成所需的评估因子。
[0026]优选地，将N类因子集按类别进行重要性两两比较，得到每一类因子集相对于其它类因子集的相对权重的步骤中：
[0027]各类因子集相对于其它类因子集的重要性和相对权重均预先由所有行业评估专家给出的重要性平均值确定；
[0028]对每一类因子集内部的多个候选因子进行重要性两两比较，得到每一类因子集内的各候选因子相对于其它候选因子的相对权重的步骤中：
[0029]各候选因子相对于其它候选因子的重要性和相对权重均预先由所有行业评估专家给出的重要性平均值确定；
[0030]基于每一类因子集相对于其它类因子集的相对权重和每一类因子集内的各候选因子相对于其它候选因子的相对权重，得到每一候选因子的权重比的步骤包括：
[0031]将各候选因子相对于其它候选因子的相对权重之和与其所属的这一类因子集相对于其它类因子集的相对权重之和相乘，得到各候选因子的权重比。
[0032]优选地，基于每一候选因子的权重比，得到每一候选因子的评估得分的步骤包括：
[0033]将每一候选因子的权重比与其对应的专家给分均值进行相乘，得到每一候选因子的评估得分；
[0034]其中，每一候选因子对应的专家给分均值通过预先由业务专家给分得到。
[0035]本专利技术的技术效果为：
[0036]通过前期先验知识的铺垫，基于协商机制改进的德尔菲法，高效、全面的构建反恐领域知识图谱的模式，再基于层次分析法，构建分层的多因子模型，完成需求知识图谱的构建，最终形成反恐领域知识库，指导研究人员跨学科研究反恐领域。
附图说明
[0037]图1为本专利技术实施例方法的流程示意图。
具体实施方式
[0038]结合图1，本专利技术立足于反恐行业知识图谱的构建，从CNKI上的主题进行统计分析，挖掘出反恐实体先验知识，再基于融合领域先验知识的改进deWphi法(德尔菲法)对反恐领域的实体、属性、关系进行分层分类划分，建立反恐领域知识库。
[0039]具体来说，本实施例中，先生成理论因子集、技术因子集和业务因子集，三个因子集组成综合因子集，综合因子集表示为Z,其中Z＝T ∪C∪W,T为理论因子集，C为技术因子集,W为业务因子集。
[0040]1.理论因子集构建方法为：
[0041]理论因子集的构建来源于CNKI上对反恐领域的研究，整理归纳后分别是“经济学理论因子”、“社会学理论因子”、“管理学理论因子”、“其他理论因子”。理论因子集表示为集合T：
[0042]T＝T1∪T2∪T3∪T4,其中T1表示经济学理论因子集合，T2表示社会学理论因子集合，T3为管理学理论因子集合，T4表示其他理论因子。其中各部分的相关信息来源或抽取方式如下：
[0043](1)经济学理论因子T1：经济学是一门对产品和服务的生产、分配以及消费进行研究的社会科学，其注重的是研究经济行为者在一个经济体系下的行为，以及他们彼此之间的互动，引申至反恐领域，其可以研究反恐分子与政府彼此的关系，并能反映出反恐分子的特征；所有经济学理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种开源知识指引下的反恐知识图谱构建与赋权方法，其特征在于，包括：基于当前涉恐风险预测任务，生成包含目标任务属性和目标任务描述的任务模型；基于任务模型，从预设的综合因子集Z中筛选出多个候选因子；基于层次分析法AHP将所选取出的候选因子分类为N类因子集；将N类因子集按类别进行重要性两两比较，得到每一类因子集相对于其它类因子集的相对权重；对每一类因子集内部的多个评估因子进行重要性两两比较，得到每一类因子集内的各评估因子相对于其它评估因子的相对权重；基于每一类因子集相对于其它类因子集的相对权重和每一类因子集内的各候选因子相对于其它候选因子的相对权重，得到每一候选因子的权重比；基于每一候选因子的权重比，得到每一候选因子的评估得分；基于每一候选因子的评估得分，确定目标地区和目标时间的涉恐风险等级。2.根据权利要求1所述的方法，其特征在于，任务模型中，目标任务属性描述包括烈性炸弹、机器学习算法、博弈论模型和反恐处置流程，目标任务描述为理论因子集、技术因子集和业务因子集的侧重点占比。3.根据权利要求1所述的方法，其特征在于，预设的综合因子集基于先验知识指引确定，预设的综合因子集包括理论因子集、技术因子集和业务因子集；理论因子集包括经济学理论因子、社会学理论因子、管理学理论因子和其他理论因子；技术因子集包括网络信息因子和恐怖武器因子；业务因子集包括反恐预防因子、反恐处置流程因子和反恐组织架构因子；基于任务模型，从预设的综合因子集Z中筛选出多个候选因子的步骤包括：从理论因子集和技术因子集、业务因子集中分别选择与任务模型对应的候选因子。4.根...

【专利技术属性】
技术研发人员：刘彦飞，董泽勇，冯相杰，刘勇，周洋，王振华，
申请(专利权)人：重庆警察学院，
类型：发明
国别省市：