面向多领域的交互式危机事件动态预警方法及系统技术方案

本发明专利技术公开了面向多领域的交互式危机事件动态预警方法及系统，涉及危机事件预警领域；其中，预警方法包括：在数据模型支撑下，认知推理服务引擎基于算法模型和业务模型动态组建面向不同领域预警需求的推理式预警预测模型；由推理式预警预测模型对多来源数据进行对应领域的危机事件动态预警；并以此提出了相应的预警系统；本发明专利技术，通过构建交互式危机事件预警框架，指导认知推理服务引擎建立，根据不同领域不同用户预警业务需求，动态重组推理组件，提供多维立体式的危机预警服务保障

【技术实现步骤摘要】
面向多领域的交互式危机事件动态预警方法及系统


[0001]本专利技术涉及危机事件预警领域，具体涉及面向多领域的交互式危机事件动态预警方法及系统
。

技术介绍

[0002]本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术
。
[0003]危机是指一个会引起潜在负面影响的具有不确定性的事件，这种事件及其后果可能对组织或个人的产品
、
服务
、
安全等造成巨大损害
。
危机预警是指采用一定的手段和技术，对可能引起危机的相关因素及其环境变化征兆的信息进行全面搜集
、
监测
、
跟踪，从中对每一个细小的变化做出分析判断，并提前发出警报信号的机制和信息预报过程
。
危机预警系统是为了能在危机来临时尽早地发现危机的到来，建立一套能感应危机来临的信号，并判断这些信号与危机之间关系的系统，通过对危机风险源
、
危机征兆进行不断监测，从而在各种信号显示危机来临时及时地发出警报，提醒组织或个人对危机采取行动，可以将危机的危害程度降低到最小程度
。
[0004]在过去十几年里，大规模的知识库构建已经有了很好的进展
。
这些知识库通常以网络的形式被组织起来，网络中每个节点代表实体，而每条边则代表实体间的关系
。
知识推理实质上是指利用已有的知识来推断出新的或未知的知识，从而拓展
、
补充和丰富知识库
。
面向知识图谱的知识推理方法分为基于逻辑的推理
、
基于统计的推理和基于图的推理，基于神经网络的推理属于基于图推理方法的一种，其主要思路是利用神经网络的学习能力和泛化能力来建模知识图谱的事实元组
。
基于语义的推理是神经网络推理的一种重要方法，是建立在挖掘和利用语义信息的基础上，例如实体和关系的名称
、
描述以及上下文信息等
。
由于文本中蕴含的潜在语义信息非常丰富，信息之间存在着深刻的语义关联，因此，文本和语义信息自然而然的成为知识推理领域的主要推理依据
。
为了能够发现不同实体之间隐含的关系，学者提出了神经张量网络方法，用双线性张量层代替传统的标准线性神经网络层，将关系表示为张量的优点在于能够使每个切片对应一种不同的语义类型，即一种关系具有多个切片，这样可以更好地建模该关系下不同实体间的不同语义联系
。
随着知识库存储量的不断增大，知识推理模型特征空间日益复杂，参数规模也随之不断增长，研究者通过简化底层模型体系结构，提出一种投影嵌入模型，将实体预测视为多候选项排名问题，取其中排名得分最高的候选项为实体预测结果
。
[0005]而在现代信息社会中，随着知识与信息的多样性和复杂性大幅度增加，问题的复杂程度和非结构化程度也不断提高，由于人们知识和能力的有限性
、
信息的海量性和不确定性
、
环境的动态性和复杂性，现有的专家系统已经远远不能适应社会发展的需要，迫切需要建立具备深度认知
、
自主推理能力的危机预警系统，为公共安全
、
经济安全等领域提供及时的
、
可信的预警服务保障
。

技术实现思路

[0006]本专利技术的目的在于：针对现有金融
、
安全等领域危机预警方法存在的系统鲁棒性差
、
动态应对能力弱
、
认知深度不足
、
缺乏系统性框架指导等问题，提出了一种面向多领域的交互式危机事件动态预警方法及系统，通过构建交互式危机事件预警框架，指导认知推理服务引擎建立，根据不同领域不同用户预警业务需求，动态重组推理组件，提供多维立体式的危机预警服务保障，从而解决了上述问题
。
[0007]本专利技术的技术方案如下：面向多领域的交互式危机事件动态预警方法，包括：在数据模型支撑下，认知推理服务引擎基于算法模型和业务模型动态组建面向不同领域预警需求的推理式预警预测模型；由推理式预警预测模型对多来源数据进行对应领域的危机事件动态预警
。
[0008]进一步地，所述数据模型，包括：实体概念模型
、
实体属性模型
、
实体分类模型
、
事件本体模型和事件分类模型
。
[0009]进一步地，所述算法模型，包括：活动规律挖掘模型
、
事件状态评估模型
、
事件走势预测模型
、
行为意图分析模型
、
关联关系挖掘模型和博弈对抗推演模型
。
[0010]进一步地，所述业务模型，包括：预警指标体系
、
领域预警流程
、
预警规则和预警关联计算
。
[0011]进一步地，所述推理式预警预测模型，包括如下阶段：多来源数据汇聚阶段，所述多来源数据汇聚阶段接入多来源多领域数据，并完成数据的去重和归类工作；预警领域专家知识固化阶段，所述预警领域专家知识固化阶段基于多领域专家的经验知识，交互式建立数据模型
、
算法模型和业务模型，指导高价值信息抽取和认知推理服务动态重组；高价值信息抽取阶段，所述高价值信息抽取阶段在数据模型指导下自动抽取不同领域的信息内容，是认知推理服务动态重组与预警关联计算的内容输入；预警业务需求理解阶段，所述预警业务需求理解阶段针对不同领域专家或用户的预警需求进行解析，明确不同领域的预警任务，牵引认知推理服务引擎动态组建满足不同预警任务的推理式预警预测模型；认知推理服务重组阶段，所述认知推理服务重组阶段根据具体的预警任务，自动将算法模型和业务模型进行动态组合，以形成满足预警任务的推理式预警预测模型，并基于高价值信息内容，自动开展预警预测动态计算，并将预警预测结果反馈给相应的领域专家或用户
。
[0012]进一步地，所述推理式预警预测模型，还包括如下阶段：预警预测反馈迭代阶段，所述预警预测反馈迭代阶段是在专家或用户获得预警预测结果后，结合自身研判经验和当前预警任务特点，调整数据模型和业务模型，再由推理式预警预测模型进行再次预警预测，直至预警预测结果满足用户要求
。
[0013]面向多领域的交互式危机事件动态预警系统，包括：数据模型构建模块，所述模型构建模块用于数据模型的建模；语义特征提取模块，所述语义特征提取模块用于对多来源数据进行信息提取，以
获得高价值信息；认知推理服务引擎，所述认知推理服务引擎用于算法模型体系构建
、
业务模型建模和推理式预警预测模型组建；智能人机交互模块，所述智能人机交互模块包括文本交互功能模块
、
语音交互功能模块和预警业务需求理解功能模块；综合管理平台，所述综合管理平台包括数据管理功能模块
、
预警知识管理功能模块
、
模型管理功能模块和用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
面向多领域的交互式危机事件动态预警方法，其特征在于，包括：在数据模型支撑下，认知推理服务引擎基于算法模型和业务模型动态组建面向不同领域预警需求的推理式预警预测模型；由推理式预警预测模型对多来源数据进行对应领域的危机事件动态预警
。2.
根据权利要求1所述的面向多领域的交互式危机事件动态预警方法，其特征在于，所述数据模型，包括：实体概念模型
、
实体属性模型
、
实体分类模型
、
事件本体模型和事件分类模型
。3.
根据权利要求1所述的面向多领域的交互式危机事件动态预警方法，其特征在于，所述算法模型，包括：活动规律挖掘模型
、
事件状态评估模型
、
事件走势预测模型
、
行为意图分析模型
、
关联关系挖掘模型和博弈对抗推演模型
。4.
根据权利要求1所述的面向多领域的交互式危机事件动态预警方法，其特征在于，所述业务模型，包括：预警指标体系
、
领域预警流程
、
预警规则和预警关联计算
。5.
根据权利要求1所述的面向多领域的交互式危机事件动态预警方法，其特征在于，所述推理式预警预测模型，包括如下阶段：多来源数据汇聚阶段，所述多来源数据汇聚阶段接入多来源多领域数据，并完成数据的去重和归类工作；预警领域专家知识固化阶段，所述预警领域专家知识固化阶段基于多领域专家的经验知识，交互式建立数据模型
、
算法模型和业务模型，指导高价值信息抽取和认知推理服务动态重组；高价值信息抽取阶段，所述高价值信息抽取阶段在数据模型指导下自动抽取不同领域的信息内容，是认知推理服务动态重组与预警关联计算的内容输入；预警业务需求理解阶段，所述预警业务需求理解阶段针对不同领域专家或用户的预警需求进行解析，明确不同领域的预警任务，牵引认知推理服务引擎动态组建满足不同预警任务的推理式预警预测模型；认知推理服务重组阶段，所述认知推理服务重组阶段根据具体的预警任...

【专利技术属性】
技术研发人员：潘磊，代翔，李雨茜，戴礼灿，廖泓舟，崔莹，黄细凤，高翔，霍志浩，
申请(专利权)人：中国电子科技集团公司第十研究所，
类型：发明
国别省市：