一种基于应急知识图谱的突发公共卫生事件情景推演方法技术

本发明专利技术提供了一种基于应急知识图谱的突发公共卫生事件情景推演方法，包括知识图谱模块和情景推演模块。知识图谱模块根据突发公共卫生事件数据建立知识图谱本体，对收集的数据进行实体抽取、属性抽取和图谱的融合构建。情景推演模块结合应急知识图谱，并针对突发公共卫生级联灾害关联复杂、情景多变、传递迅速的问题，提供一种基于知识图谱的突发公共卫生事件级联灾害推演方法。对突发公共卫生事件信息进行聚合，以此挖掘突发公共卫生事件的发展可能并对级联性突发公共卫生事件的发展进行推演。演。演。

【技术实现步骤摘要】
一种基于应急知识图谱的突发公共卫生事件情景推演方法


[0001]本专利技术涉及知识图谱在公共卫生事件领域的应用，具体是通过知识图谱对突发公共卫生事件进行抽取和分析并进行事件推演的过程。

技术介绍

[0002]重大突发公共卫生事件关联复杂、情景动态多变、灾害传递迅速。级联灾害区别于一般灾害，涉及多灾种的复合作用，造成后果的可能性更多而且难以把控、损失亦更大。近年来发生的灾害越来越多地具有级联灾害的特征，典型的如2011年日本3.11大地震级联引发海啸和核电站爆炸灾害。针对突发公共卫生级联灾害，由于突发公共卫生事件的前兆信息难以获取，基于“预测
‑
应对”方法的推演过程在突发公共卫生事件级联预测中效果不理想，容易产生误导性决策。基于“情景
‑
应对”的突发事件应急推演模式，综合了历史突发公共卫生事件级联发展过程，对级联灾害后兆情景进行预测，为突发公共卫生事件提供决策支持。
[0003]知识图谱能够存储结构化语义信息，并令计算机理解这些信息。已经成为诸多人工智能应用不可或缺的重要资源,但是受到信息缺失的影响。知识图谱补全.(Know ledge Graph Completion,KGC)应运而生，他的目的是根据知识图谱中已有的知识,预测目前知识图谱所缺失的知识。并根据知识图谱中已有的突发事件的前兆事件集、后兆事件集以及发生概率进行推演，得到在前兆事件情景下后兆事件发生的概率。
[0004]本专利基于时序知识图谱和情景知识融合的推演技术，突破信息零散孤立无序的瓶颈，适应高精度、跨领域的应急场景变化需求，构建有序、高效、及时的重大突发公共卫生事件情景分层分阶推演体系，实现复杂因素耦合场景下突发事件的级联可控。

技术实现思路

[0005]为解决上述问题，本专利技术以突发事件的级联灾害为基础，融入重大突发事件场景，构建面向突发事件演变机制的应急知识图谱。满足重大突发事件下的应急场景和平常状态的普通场景。提高在应急场景下调度、决策能力，为突发事件的应对提供保障。
[0006]本专利技术的数据来源依靠疫情期间的城市物流数据、城市物资数据、城市疫情舆情数据。通过对非结构化的数据融合方法，对多源异构的应急物流数据进行整合。在涉及到的大体量数据(重大突发事件、物流数据、城市感知数据)时，可通过节点与关系格式：<节点ID，属性1，属性2，...>；<节点ID1，节点ID2，关系类型，关系权重>对大体量数据进行统一范式的表达。
[0007]应急知识图谱的突发公共卫生事件情景推演方法，其特征在于：包括知识图谱模块和情景推演模块。
[0008]所述知识图谱模块：至少包括四个维度构建知识图谱本体，分别包括：人物画像图谱本体、应急机构图谱本体、应急物流图谱本体、应急事件事理图谱本体。
[0009]所述情景推演模块：至少包括情景态势的转化要素信息，情景态势情景组合信息，
情景要素特征关系的知识本体网络。在知识图谱模块的基础上，针对突发公共卫生级联灾害关联复杂、情景多变、传递迅速的问题，突破信息零散孤立无序的瓶颈，适应高精度、跨领域的应急场景变化需求，构建有序、高效、及时的重大突发公共卫生事件情景分层分阶推演体系，实现复杂因素耦合场景下突发事件的级联可控。
[0010]所述应急知识图谱的突发公共卫生事件情景推演方法，其特征在于：包括知识图谱模块和情景推演模块。
[0011]所述人物画像图谱本体属性包括：年龄、工作单位、文化程度、职业、工作地址、性别；
[0012]所述应急机构图谱本体以省/市/区为区域层次，属性包括：分管区域、机构职责、所在地址、机构规模和机构属性；
[0013]所述应急知识图谱本体属性包括：人员信息、主要任务、运力信息、道路信息、响应单位和对接机构；
[0014]所述应急知识图谱本体包括应急事件、衍生灾害、应对机构和应对策略；
[0015]所述情景态势的转化要素信息包括应急突发事件的类型、灾害的程度、范围和演化的基本描述；
[0016]所述情景态势情景组合信息包括应急突发事件的致灾因子、相关承灾体、应对体和孕灾环境特征的数据和信息集合及其走向；
[0017]所述情景要素特征关系的知识本体网络包括情景态势推演的态势本体、网络本体与评估本体，分别对应情景态势知识、态势演化网络知识以及演化概率评估知识。
[0018]本专利技术基于构建的知识图谱本体，对收集的数据进行实体抽取、属性抽取和图谱的融合构建。包括节点处理和边处理两部分。本专利技术的节点处理在原始应急物流数据上进行预处理，将个体节点、应急机构节点、应急物流节点和事件节点中的噪声信息进行去除。以应急机构节点为例，可将节点分为四类：物资存储机构、物资生产机构、物资运输机构、物资调配机构。将这四类节点从数据中抽取，主要存储形式为一条具有多种特征字段的数据库行记录。边的处理主要是依据节点间的从属关系，如：从属关系，对知识图谱的节点进行边的关联。
[0019]在上述应急知识图谱的基础上，针对突发公共卫生级联灾害关联复杂、情景多变、传递迅速的问题，提供一种基于知识图谱的突发公共卫生事件级联灾害推演方法。
[0020]根据本专利技术的情景推演方法，包括：
[0021]1.在进行具体的情景组合发生概率计算前，先根据研究的范围和系统的边界准备相关的知识资源，确定推演的基本路径。
[0022]2.情景态势转化推演应首选确定推演的对象，即需要推演的转化路径与转化要素。
[0023]3.转化路径确定情景态势转化推演的路线图，含有固定的情景要素，包括前兆情景要素与后兆情景要素。
[0024]情景态势的转化演化具有地域差异性，明确本区域代表性的转化路径与转化要素既能节约推演成本，又能帮助决策者明确情景推演的关键点；另一方面，对潜在的、不甚显薯的情景态势转化路径与转化要素，可根据历史案例结合数据分析生成。
[0025]4.基于知识图谱中的已有的知识资源，在已有级联公共卫生案例的基础上，对其
中涉及的情景组合模式或情景关联机理进行提取，作为后期情景组合发生概率分析的对象。
[0026]5.明确情景态势的转化要素后，缩小研究粒度，关注情景要素转化涉及的具体要素特征及特征间的复杂关联关系。
[0027]6.构造了情景要素特征关系的知识本体网络，并根据选择的转化要素实现特征筛选。
[0028]7.针对关注的情景态势设置情景组合，选择历史案例用于将信息扩散至各情景组合，推断每一情景组合的隶属函数，作为其发生的可能性。
[0029]8.经过转化要素确定与转化要素的特征选择之后，已经可以确定情景要素转化过程中的各个变量，将它们划分为输入变量(支持转化推演的各类知识，以确定转化过程中情景要素特征间的关联关系)、状态变量(情景态势演化过程中各个时间片段的情景态势描述性信息)与输出变量(经推导后确定的情景要素特征取值，主要是转化后要素的特征取值)，建立了情景态势转化的贝本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.应急知识图谱的突发公共卫生事件情景推演方法，其特征在于：包括知识图谱模块和情景推演模块；所述知识图谱模块：至少包括四个维度构建知识图谱本体，分别包括：人物画像图谱本体、应急机构图谱本体、应急物流图谱本体、应急事件事理图谱本体；所述情景推演模块：至少包括情景态势的转化要素信息，情景态势情景组合信息，情景要素特征关系的知识本体网络。2.如权利要求1所述应急知识图谱的突发公共卫生事件情景推演方法，其特征在于：所述人物画像图谱本体属性包括：年龄、工作单位、文化程度、职业、工作地址、性别；所述应急机构图谱本体以省/市/区为区域层次，属性包括：分管区域、机构职责、所在地址、机构规模和机构属性；所述应急知识图谱本体属性包括：人员信息、主要任务、运力信息、道路信息、响应单位和对接机构；所述应急知识图谱本体包括应急事件、衍生灾害、应对机构和应对策略；所述情景态势的转化要素信息包括应急突发事件的类型、灾害的程度、范围和演化的基本描述；所述情景态势情景组合信息包括应急突发事件的致灾因子、相关承灾体、应对体和孕灾环境特征的数据和信息集合及其走向；所述情景要素特征关系的知识本体网络包括情景态势推演的态势本体、网络本体与评估本体，分别对应情景态势知识、态势演化网络知识以及演化概率评估知识。3.如权利要求2所述的应急知识图谱的突发公共卫生事件情景推演方法，其特征在于：在知识图谱模块，基于构建的知识图谱本体，对收集的数据进行实体抽取、属性抽取和图谱的融合构建；包括节点处理和边处理两部分；首先节点处理在原始应急物流数据上进行预处理，将个体节点、应急机构节点、应急物流节点和事件节点中的噪声信息进行去除。4.根据权利要求3所述的应急知识图谱的突发公共卫生事件情景推演方法，其特征在于：以应急机构节点为例，可将节点分为四类：物资存储机构、物资生产机构、物资运输机构、物资调配机构；将这四类节点从数据中抽取，主要存储形式为一条具有多种特征字段的数据库行记录；边的处理主要是依据节点间的从属关系，对知识图谱的节点进行边的关联。5.如权利要求4所...

【专利技术属性】
技术研发人员：王帅，林丽，张琦，夏凯文，王海，
申请(专利权)人：东南大学，
类型：发明
国别省市：