一种群体性事件预警方法与系统技术方案

本发明专利技术提供了一种群体性事件预警方法与系统，包括：获取各个行政部门的矛盾纠纷事件；对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；根据事件主体数量的时间序列构建预测模型；根据所述预测模型得到相对误差和标准偏差；当相对误差超过标准偏差且为正值时，则发出群体性事件预警。本发明专利技术通过利用事件主体数量的时间序列构建预测模型，然后基于此对群体性事件进行预警，可以大大提高预警准确率。高预警准确率。高预警准确率。

【技术实现步骤摘要】
一种群体性事件预警方法与系统


[0001]本专利技术涉及基层社会治理
，具体而言，涉及一种群体性事件预警方法与系统。

技术介绍

[0002]投诉求助平台成为社会公众表达利益诉求、宣泄释放情绪的重要渠道。多数群体性事件在事发前，民众会通过求助申诉平台系统进行反馈。基于此，对分散在各部门系统的民意信息进行综合分析，发掘可能触发群体性事件的风险因素，对于实现科学、及时、高效地预警群体性事件具有重要的理论和实践意义。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术的目的在于提供一种群体性事件预警方法与系统。
[0004]本专利技术还提供了一种群体性事件预警方法，包括：
[0005]步骤1：获取各个行政部门的矛盾纠纷事件；
[0006]步骤2：对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；
[0007]步骤3：根据事件主体数量的时间序列构建预测模型；
[0008]步骤4：根据所述预测模型得到相对误差和标准偏差；
[0009]步骤5：当相对误差超过标准偏差且为正值时，则发出群体性事件预警。
[0010]优选地，所述步骤2：对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列，包括：
[0011]步骤2.1：对涉事主体的组织机构的全称进行中文分词得到分词结果；
[0012]步骤2.2：对所述分词结果按照机构名关键字、地点、机构类型、机构后缀进行标注，采用一阶链式条件随机场模型进行学习得到状态序列的线性链CRFs条件概率；
[0013]步骤2.3：利用所述状态序列的线性链CRFs条件概率对事件数据进行命名实体识别，提取识别为机构团体名和机构名；
[0014]步骤2.4：利用百度分词算法分别对涉事主体的地址地点、人名进行识别得到相应的地名和人名；
[0015]步骤2.5：根据涉事主体的地名、人名、机构团体名和机构名构建事件主体数量的时间序列。
[0016]优选地，状态序列的线性链CRFs条件概率计算公式为：
[0017][0018]其中,f
k
(y
i
‑1,y
i
,x,i)为特征函数,ω
k
为第k个特征函数的权值,i表示序列中当前正要标记的字的位置,Z(x)是归一化因子。
[0019]优选地，所述步骤3：根据事件主体数量的时间序列构建预测模型，包括：
[0020]根据事件主体数量的时间序列采用简单移动平均法建立预测模型；所述预测模型为：
[0021][0022][0023]其中，x1,...,x
T
表示事件主体数量的时间序列，N表示移动平均的项数。
[0024]本专利技术还提供了一种群体性事件预警系统，包括：
[0025]矛盾纠纷事件获取模块，用于获取各个行政部门的矛盾纠纷事件；
[0026]涉事主体识别模块，用于对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；
[0027]预测模型构建模块，用于根据事件主体数量的时间序列构建预测模型；
[0028]差值计算模块，用于根据所述预测模型得到相对误差和标准偏差；
[0029]预警模块，用于当相对误差超过标准偏差且为正值时，则发出群体性事件预警。
[0030]优选地，所述涉事主体识别模块，包括：
[0031]分词单元，用于对涉事主体的组织机构的全称进行中文分词得到分词结果；
[0032]标注单元，用于对所述分词结果按照机构名关键字、地点、机构类型、机构后缀进行标注，采用一阶链式条件随机场模型进行学习得到状态序列的线性链CRFs条件概率；
[0033]第一识别单元，用于利用所述状态序列的线性链CRFs条件概率对事件数据进行命名实体识别，提取识别为机构团体名和机构名；
[0034]第二识别单元，用于利用百度分词算法分别对涉事主体的地址地点、人名进行识别得到相应的地名和人名；
[0035]时间序列构建单元，用于根据涉事主体的地名、人名、机构团体名和机构名构建事件主体数量的时间序列。
[0036]优选地，状态序列的线性链CRFs条件概率计算公式为：
[0037][0038]其中,f
k
(y
i
‑1,y
i
,x,i)为特征函数,ω
k
为第k个特征函数的权值,i表示序列中当前正要标记的字的位置,Z(x)是归一化因子。
[0039]优选地，所述预测模型构建模块，包括：
[0040]预测模型构建单元，用于根据事件主体数量的时间序列采用简单移动平均法建立预测模型；所述预测模型为：
[0041][0042]其中，x1,...,x
T
表示事件主体数量的时间序列，N表示移动平均的项数。
[0043]本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的一种群体性事件预警方法中的步骤。
[0044]本专利技术提供的一种群体性事件预警方法与系统的有益效果在于：与现有技术相比，本专利技术通过利用事件主体数量的时间序列构建预测模型，然后基于此对群体性事件进行预警，可以大大提高预警准确率。
[0045]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0046]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0047]图1示出了本专利技术实施例所提供的一种群体性事件预警方法流程图；
[0048]图2示出了本专利技术实施例所提供一种群体性事件预警系统原理图；
[0049]图3示出了本专利技术实施例所提供的采用简单移动平均法对某公司相关事件数量分析结果。
具体实施方式
[0050]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0051]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。...

【技术保护点】

【技术特征摘要】
1.一种群体性事件预警方法，其特征在于，包括：步骤1：获取各个行政部门的矛盾纠纷事件；步骤2：对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；步骤3：根据事件主体数量的时间序列构建预测模型；步骤4：根据所述预测模型得到相对误差和标准偏差；步骤5：当相对误差超过标准偏差且为正值时，则发出群体性事件预警。2.根据权利要求1所述的一种群体性事件预警方法，其特征在于，所述步骤2：对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列，包括：步骤2.1：对涉事主体的组织机构的全称进行中文分词得到分词结果；步骤2.2：对所述分词结果按照机构名关键字、地点、机构类型、机构后缀进行标注，采用一阶链式条件随机场模型进行学习得到状态序列的线性链CRFs条件概率；步骤2.3：利用所述状态序列的线性链CRFs条件概率对事件数据进行命名实体识别，提取识别为机构团体名和机构名；步骤2.4：利用百度分词算法分别对涉事主体的地址地点、人名进行识别得到相应的地名和人名；步骤2.5：根据涉事主体的地名、人名、机构团体名和机构名构建事件主体数量的时间序列。3.根据权利要求2所述的一种群体性事件预警方法，其特征在于，状态序列的线性链CRFs条件概率计算公式为：其中,f
k
(y
i
‑1,y
i
,x,i)为特征函数,ω
k
为第k个特征函数的权值,i表示序列中当前正要标记的字的位置,Z(x)是归一化因子。4.根据权利要求2所述的一种群体性事件预警方法，其特征在于，所述步骤3：根据事件主体数量的时间序列构建预测模型，包括：根据事件主体数量的时间序列采用简单移动平均法建立预测模型；所述预测模型为：根据事件主体数量的时间序列采用简单移动平均法建立预测模型；所述预测模型为：其中，x1,...,x
T
表示事件主体数量的时间序列，N表示移动平均的项数。5.一种群体性事件预警系统，其特征在于，包括：矛盾纠纷事件获取模块，用于获取各...

【专利技术属性】
技术研发人员：张项南，李爽，汪俊浚，于琪，
申请(专利权)人：航天神舟智慧系统技术有限公司，
类型：发明
国别省市：