【技术实现步骤摘要】
本专利技术涉及数据分析，尤其涉及基于知识图谱的海事事故分析方法、系统、终端及介质。
技术介绍
1、随着航运业的发展，航运事故的频率和复杂性也在增加，为了确保航运安全，对事故因素进行深入的分析和评估至关重要。目前，大多数研究方法都是基于传统的事故模型，例如，swiss cheese模型和heart模型等，来探索和分析事故的因果关系；同时，有些研究尝试采用复杂网络理论来分析事故的因果关系，但这些方法往往只能提供局部的、单一维度的事故因果关系视图，缺乏对事故因素复杂互动的深入理解，例如，船舶碰撞事故的知识图谱构建方法，但其主要关注于简化专业知识的检索过程，而没有对事故的风险特征进行深入的拓扑分析和量化评估。
2、因此，现有的事故模型和方法往往只能提供有限的或局部的事故因果关系视图，难以捕捉事故因素之间的复杂互动和相互作用，此外，尽管知识图谱技术在许多领域都已得到广泛应用，但在海事安全领域的应用仍然相对有限；现有的知识图谱构建方法往往过于简化，缺乏对事故的风险特征的深入拓扑分析和量化评估，不仅限制了对航运事故的全面或深入的理解，还影响了航运安全管理的决策效果。
3、因此，现有技术还有待于改进和发展。
技术实现思路
1、本专利技术的主要目的在于提供一种基于知识图谱的海事事故分析方法、系统、终端及介质，旨在解决现有技术中无法捕捉海事事故因素之间的复杂互动和相互作用，并且缺乏对事故风险特征的深入拓扑分析和量化评估，导致对航运事故的分析不够全面，也影响了航运安全管理的决策效
2、为实现上述目的，本专利技术提供一种基于知识图谱的海事事故分析方法，所述基于知识图谱的海事事故分析方法包括如下步骤：
3、获取预定时间的船舶碰撞事故报告，对所述船舶碰撞事故报告进行处理，得到目标数据集，并创建碰撞风险训练模型；
4、根据所述目标数据集对所述碰撞风险训练模型进行训练，得到碰撞风险知识图谱模型；
5、获取待分析船舶数据，将所述待分析船舶数据输入至所述碰撞风险知识图谱模型，所述碰撞风险知识图谱模型输出的目标三元组信息，并根据所述目标三元组信息进行风险分析，得到目标事故分析结果。
6、可选地，所述的基于知识图谱的海事事故分析方法，其中，所述获取预定时间的船舶碰撞事故报告，对所述船舶碰撞事故报告进行处理，得到目标数据集，具体包括：
7、获取预定时间的船舶碰撞事故数据，对所述船舶碰撞事故数据进行过滤处理，得到多个船舶碰撞事故报告，并对每个所述船舶碰撞事故报告的文件格式进行统一，得到多个目标船舶碰撞事故报告；
8、对每个所述目标船舶碰撞事故报告进行标注处理，得到船舶碰撞事故的数据集，并对所述数据集进行切分处理，得到目标数据集，其中，所述目标数据集包括训练集、开发集和测试集。
9、可选地，所述的基于知识图谱的海事事故分析方法，其中，所述创建碰撞风险训练模型，具体包括：
10、对所述船舶碰撞事故报告进行知识提取，得到知识实体和对应的关系信息，其中，所述知识实体包括危险相关实体和非危险相关实体，所述关系信息包括因果关系、相关内容和属性；
11、对所述知识实体和所述关系信息进行知识融合，得到知识图谱，对所述知识图谱进行补全处理，得到目标知识图谱，并根据所述目标知识图谱构建碰撞风险训练模型。
12、可选地，所述的基于知识图谱的海事事故分析方法，其中，所述根据所述目标数据集对所述碰撞风险训练模型进行训练，得到碰撞风险知识图谱模型，具体包括：
13、将一组训练集输入至所述碰撞风险训练模型，所述碰撞风险训练模型根据所述训练集的文本内容得到预测三元组信息；
14、根据所述测试集比对所述预测三元组信息与所述文本内容对应的三元组信息之间的差异，并根据所述开发集对所述碰撞风险训练模型的模型参数进行修正；
15、继续将下一组训练集输入至所述碰撞风险训练模型，生成下一组文本内容对应的预测三元组信息，直至所述碰撞风险训练模型的训练情况满足预设条件，以得到所述碰撞风险知识图谱模型。
16、可选地，所述的基于知识图谱的海事事故分析方法，其中，所述根据所述目标三元组信息进行风险分析，得到目标事故分析结果，具体包括：
17、根据第一公式计算所述目标三元组信息的主动因果关系紧密度，根据第二公式计算所述目标三元组信息的被动因果关系紧密度，并根据所述主动因果关系紧密度和所述被动因果关系紧密度得出危害结果；
18、根据第三公式计算所述目标三元组信息的直接后继比例信息，根据第四公式计算所述目标三元组信息的直接前趋比例信息，并根据所述直接后继比例信息和所述直接前趋比例信息得出危害关联信息；
19、根据第五公式计算所述目标三元组信息的后果指标，根据第六公式计算所述目标三元组信息的风险指标，并根据所述后果指标和所述风险指标得出危害风险等级信息；
20、根据所述危害结果、所述危害关联信息和所述危害风险等级信息得到目标事故分析结果。
21、可选地，所述的基于知识图谱的海事事故分析方法，其中，所述第一公式为：
22、；
23、所述第二公式为：
24、；
25、所述第三公式为：
26、；
27、所述第四公式为：
28、；
29、其中，为主动因果关系紧密度，为被动因果关系紧密度，、和均为实体，为从实体到实体的最短路径，为从实体到实体的最短路径，为实体与实体之间是否存在因果路径，为实体与实体之间是否存在因果路径，为实体与实体之间是否存在因果路径，为实体与实体之间是否存在因果路径， nodes为网络节点集，为直接后继比例信息，为直接前趋比例信息， t为实体类型，为筛选得到实体类型为 t的实体。
30、可选地，所述的基于知识图谱的海事事故分析方法，其中，所述第五公式为：
31、；
32、所述第六公式为：
33、；
34、其中，为后果指标，为风险指标，为归一化处理，为事故集中的事故，为根据0-1变量表示事故的事故原因是否有实体，为事故的严重程度，为实体在事故的原因类型，为实体发生的频率。
35、可选地，所述的基于知识图谱的海事事故分析方法，其中，所述的基于知识图谱的海事事故分析系统包括：
36、数据处理模块，用于获取预定时间的船舶碰撞事故报告，对所述船舶碰撞事故报告进行处理，得到目标数据集，并创建碰撞风险训练模型；
37、模型训练模块，用于根据所述目标数据集对所述碰撞风险训练模型进行训练，得到碰撞风险知识图谱模型；
38、事故分析模块，用于获取待分析船舶数据，将所述待分析船舶数据输入至所述碰撞风险知识图谱模型，所述碰撞风险知识图谱模型输出的目标三元组信息，并根本文档来自技高网...
【技术保护点】
1.一种基于知识图谱的海事事故分析方法，其特征在于，所述基于知识图谱的海事事故分析方法包括：
2.根据权利要求1所述的基于知识图谱的海事事故分析方法，其特征在于，所述获取预定时间的船舶碰撞事故报告，对所述船舶碰撞事故报告进行处理，得到目标数据集，具体包括：
3.根据权利要求1所述的基于知识图谱的海事事故分析方法，其特征在于，所述创建碰撞风险训练模型，具体包括：
4.根据权利要求2所述的基于知识图谱的海事事故分析方法，其特征在于，所述根据所述目标数据集对所述碰撞风险训练模型进行训练，得到碰撞风险知识图谱模型，具体包括：
5.根据权利要求1所述的基于知识图谱的海事事故分析方法，其特征在于，所述根据所述目标三元组信息进行风险分析，得到目标事故分析结果，具体包括：
6.根据权利要求5所述的基于知识图谱的海事事故分析方法，其特征在于，所述第一公式为：
7.根据权利要求5所述的基于知识图谱的海事事故分析方法，其特征在于，所述第五公式为：
8.一种基于知识图谱的海事事故分析系统，其特征在于，所述基于知识图谱的海
9.一种终端，其特征在于，所述终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如权利要求1-7任意一项所述基于知识图谱的海事事故分析方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有基于知识图谱的海事事故分析程序，所述基于知识图谱的海事事故分析程序被处理器执行时实现如权利要求1-7任意一项所述基于知识图谱的海事事故分析方法的步骤。
...【技术特征摘要】
1.一种基于知识图谱的海事事故分析方法，其特征在于，所述基于知识图谱的海事事故分析方法包括：
2.根据权利要求1所述的基于知识图谱的海事事故分析方法，其特征在于，所述获取预定时间的船舶碰撞事故报告，对所述船舶碰撞事故报告进行处理，得到目标数据集，具体包括：
3.根据权利要求1所述的基于知识图谱的海事事故分析方法，其特征在于，所述创建碰撞风险训练模型，具体包括：
4.根据权利要求2所述的基于知识图谱的海事事故分析方法，其特征在于，所述根据所述目标数据集对所述碰撞风险训练模型进行训练，得到碰撞风险知识图谱模型，具体包括：
5.根据权利要求1所述的基于知识图谱的海事事故分析方法，其特征在于，所述根据所述目标三元组信息进行风险分析，得到目标事故分析结果，具体包括：
6.根...
【专利技术属性】
技术研发人员：陈继红，周少锐，石嘉，顾淼，庄成霖，刘笑睿，
申请(专利权)人：深圳大学，
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。