【技术实现步骤摘要】
个性化公共安全突发事件检测模型训练方法、检测方法及装置
[0001]本专利技术涉及公共安全突发事件
，尤其涉及一种基于强化联邦图神经网络的个性化公共安全突发事件检测模型训练方法、检测方法及装置。
技术介绍
[0002]公共安全突发事件是指在一段时间内与公共安全相关的事件爆发并迅速传播、引起公众广泛关注的现象。对这类事件进行及时检测和响应具有重要的意义，可以帮助决策者更好地管理危机和做出决策。近年来，随着社交媒体的兴起，公共安全突发事件的检测和演化发现已成为社交媒体挖掘的研究热点，受到了学术界和工业界的广泛关注。相比传统的文本挖掘或社会网络挖掘，公共安全突发事件检测任务更具挑战性，因为它涉及社交网络和文本流的复杂交互。在社交媒体平台如微博、Twitter上，公共安全事件通常以短文本的形式描述，并通过时空共现、主题、发布信息、转发关系和标签信息等多个维度进行关联构建。将公共安全数据转化为图的形式，进一步进行事件检测和演化发现，已成为主流方法。
[0003]图神经网络是机器学习领域的热门研究方向之一。与传统的神经网络...
【技术保护点】
【技术特征摘要】
1.一种个性化公共安全突发事件检测模型训练方法，其特征在于，所述方法包括以下步骤：获取完成当前轮次训练的各客户端的本地检测模型以及所述本地检测模型的梯度；所述本地检测模块根据相应客户端的本地数据训练得到；所述本地检测模型包括GarphSage和分类器，所述GarphSage对输入的本地数据的节点特征进行聚合，生成节点聚合特征；所述分类器根据所述节点聚合特征，得到各节点的分类概率；构建随机图，将所述随机图输入各客户端的本地检测模型，生成所述随机图中所有节点的节点聚合特征并计算均值，得到聚合特征均值，将所述聚合特征均值作为本地检测模型状态；将本轮训练后的本地检测模型状态与上一轮训练后的本地检测模型状态作差，得到本地检测模型梯度状态；在各客户端上部署强化学习模块，所述强化学习模块包括策略网络和价值网络；所述策略网络根据各客户端的本地检测模型梯度状态构建状态空间，根据各客户端之间的梯度聚合操作构建动作空间；所述策略网络根据状态选择相应的动作，所述价值网络根据所述策略网络选择的动作生成预估q值；采用经验回放的方法对所述强化学习模块进行训练，构建所述策略网络和所述价值网络的联合损失，以最小化所述联合损失、最大化奖励值为目标，优化所述强化学习模块；其中，所述奖励值根据所述本地检测模型的分类准确率设置；将所有客户端之间梯度聚合的动作进行归一化，得到各客户端梯度的权重；按照所述权重排序，权重大的前第一预设数量个客户端参与下一轮聚合，在所述第一预设数量中，权重大的前第二预设数量个客户端的梯度不进行量化，其余进行梯度量化；基于上述步骤进行多轮训练，直至满足预设性能要求，得到各客户端的公共安全突发事件检测模型。2.根据权利要求1所述的个性化公共安全突发事件检测模型训练方法，其特征在于，所述本地检测模型的训练方法包括以下步骤：获取各客户端的本地数据，所述本地数据为图结构，包括节点、边和节点特征，将预设社交平台上关于公共安全突发事件的文本作为节点，将存在关联的文本对应的节点之间连边，为各节点添加真实分类标签；获取初始网络模型，所述初始网络模型包括GarphSage和分类器；采用所述本地数据对所述初始网络模型进行训练，并构建所述分类概率和所述真实分类标签之间的分类损失，优化得到各客户端的本地检测模型。3.根据权利要求2所述的个性化公共安全突发事件检测模型训练方法，其特征在于，采用基于图采样的mini
‑
batch机制训练所述初始网络模型，包括以下步骤：在所述本地数据中随机选择第三预设数量个节点，作为目标节点；从每个目标节点的邻居节点中随机选择第四预设数量个节点，作为一阶邻居节点；从所述本地数据中抽取相应的边，由所述目标节点、所述一阶邻居节点和抽取得到的边生成子图，将所述子图作为训练集训练所述初始网络模型。4.根据权利要求2所述的个性化公共安全突发事件检测模型训练方法，其特征在...
【专利技术属性】
技术研发人员：李雅文，管泽礼，李洪波，
申请(专利权)人：北京极智嘉科技股份有限公司，
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。