一种风险信息自动分类、识别与预警方法及系统与流程

本发明涉及风险识别与预警领域，更具体地，涉及一种风险信息自动分类、识别与预警方法及系统。
背景技术：
：目前，现有技术中对信息分类大概有如下集中方式：逐步分类判别、逐步判别分析、分类逐层评价、逐层贪婪训练法、逐层递进法。其中，逐步判别采用有进有出的算法，对每一步都进行检验。把一个判别能力最强的变量引入判别式，同时对先进入判别式的某些变量，如果其原有的差别能力随其后变量的引入而改变，被某些变量的作用所替代，则及时将其从判别式中剔除，使最终的判别式保留判别能力最强的变量。逐步判别分析算法的具体步骤为：第1步：挑选变量（数据准备、选入和剔除变量）；第2步：利用选入和剔除变量建立判别函数；第3步：对待判别的样本作判别分析。分类逐层评价方法是在专家打分的基础上，采用基于云模型标度判断矩阵的改进层次分析法，逐层进行权重计算，确定了各具体指标与城市综合交通枢纽评价总指数之间的关系，然后进行分类逐层评价。逐层贪婪训练法的主要思路是：在深度神经网络中，每次只训练网络中的一层，即首先训练一个只含一个隐藏层的网络，仅当这层网络训练结束之后才开始训练一个有两个隐藏层的网络，以此类推。在每一步中，把已经训练好的前k-1层固定，然后增加第k层，也就是将已经训练好的前k-1的输出作为输入。每一层的训练可以是有监督的（例如，将每一步的分类误差作为目标函数），但更通常使用无监督方法。逐层递进法又叫层进式，它与并列式（并列组合法）、对照式、总分式一起构成了议论文论证结构的四种模式。逐层递进法中，各分论点呈现出由此及彼、由浅入深、由现象到本质、由简单到复杂、由小到大、由表及里的递进关系。但这5个概念即逐步分类判别、逐步判别分析、分类逐层评价、逐层贪婪训练法、逐层递进法在中国期刊网上都尚未查到相应的研究文献。在分类模型和算法研究方面，west（2000）建立了五种不同的神经网络信用分类模型及其相应算法：多层感知器（mlp）、专家杂合系统（mixture-of-experts）、径向基函数网络（rbf）、学习向量量化器（learningvectorquantization）和模糊自适应共振（fuzzyadaptiveresonance），用来研究商业银行信用评价的准确性。庞素琳（2005）建立了10种信用分类模型及其相应算法：①.5种神经网络信用评价模型：多层感知器（mlp）、bp算法网络、径向基函数网络（rbf）、概率神经网络（pnn）和自组织竞争网络（socn）；②.logistic回归模型；③.两种线性判别分析模型：一种是利用spss统计软件对数据样本进行判别分析（称为lda－spss方法），一种是利用原始数据推导建立线性判别分析模型，然后根据模型计算得到的结果对数据样本进行判别分析（称为lda方法）；④.采用了2种支持向量基方法：一种是利用多项式函数作为核函数，一种是利用径向基函数作为核函数，用来研究我国上市公司信用评价的准确性。都定元（2009）给出的汶川地震中大规模灾害应急救援计划为实例，给出大数据处理应急分拣算法的应用。anjum（2011）在gis技术的基础上模拟了石油储罐爆炸场景，通过场景分析和数学建模的方法城市风险规避方法。庞素琳（2015）巨灾风险大数据处理的应急分类、分解和分拣算法，给出了相应的算法原理和实现步骤。在大数据应急管理和网络预警机制研究方面，gong等（2013）通过建立优化模型，研究供应链中灾害大数据的网络优化问题。马奔和毛庆铎（2015）分别就突发事件的事前、事中和事后，研究了大数据在应急管理中的应用，构架了基于大数据的应急管理三阶段基本框架图，提出了在事件响应阶段运用大数据可视化技术将海量的灾情数据变为直接明了的辅助决策信息；段华明等人（2016）提出了基于大数据的灾害评估模式，指出大数据技术优化了灾情收集及可视化过程。庞素琳和蔡牧夫（2017）将巨灾灾情大数据分类为结构化与非结构化数据，分析巨灾灾情大数据具有分散性、易读性差、动态性的特点，并基于webgis的巨灾灾情，给出大数据可视化系统分析与设计。在应急知识管理研究方面，裘江南等（2009）对突发事件及事件链研究特点，运用系统工程理论，建立了突发事件及其链式关系知识表示模型。该模型从突发事件机理出发描述应急管理过程的知识需求，不仅揭示了突发事件发展、演变的行为模式及突发事件链式关系形成机理，还为应急决策提供理论依据,最后给出模型的应用实例，实现了事件演进的自动生成及应急过程中的知识支持。在地理信息系统和预警机制研究方面，gunes等人（2010）构建了基于gis技术的应急管理决策系统，这个系统使堪萨斯州应急管理决策人员能在掌握更多受灾区域的洪水灾情空间信息的前提下进行决策；wang（2011）则设计了基于gis技术及计算机科学的应急管理信息系统，这个系统将应急任务加以集成和可视化，协助应急管理机构减少紧急事件的发生；pollino等人（2011）将地理信息技术应用在火灾或地震的早期预警系统，并论证了其在灾害评估及应急响应中的作用；赵珂等人（2004）利用地理空间技术评估洪涝灾害造成的损失，为洪涝应急管理提供更科学的应急信息决策支持；李伟权（2013）研究政府应急管理中网络舆论受众逆反心理模型，给出了相应的预警机制和应急管理方法。虽然现有技术对大数据分析、信息预警等领域都有相关研究，但是目前仍然缺少一种结合将风险识别、分类、预警进行一体化研究和决策的方案。技术实现要素：本发明为克服上述现有技术所述的至少一种缺陷（不足），提供一种能够集成风险识别、分类、预警功能的风险信息自动分类、识别与预警方法。本发明还提供一种风险信息自动分类、识别与预警系统。为解决上述技术问题，本发明的技术方案如下：一种风险信息自动分类、识别与预警方法，包括：s1．接收用户发送的信息并将其作为风险目标；s2．对该信息进行风险信息分类处理得到用户所处环境的风险类别；s3．根据风险类别对风险等级进行识别和度量，输出对应的风险预警信号；s4．根据预警信号提供应急决策方案。本发明的方法先对用户发出的信息进行风险信息分类处理，然后根据分类情况对风险等级进行识别和度量，再输出相对应的风险预警信号，根据预警信号提供对应的应急决策方案，该方法集合了风险分类、识别度量和预警功能，能够根据用户发送的信息及时为用户提供应对措施。上述方案中，s2的具体步骤为：s21．假设用户发送的信息记为s；s22．判断s是否含有风险信息，如是则执行步骤s23，否则将s归为不含有风险信息的类别；s23．判断s的风险是否可识别，如是则执行步骤s24，否则将s归为不可识别风险的类别；s24．判断s中的风险是否存在，如是则执行步骤s25，否则将s归为无风险的类别；s25．对s进行风险级别识别，将s分为若干等级风险信息。本发明的方法提出用逐步分类算法对用户发送的信息进行风险分类，其是按照内涵不相交的属性进行划分所得到的分类，可以保证每个处理的信息都能够划分到对应的类别中，从而准确地为用户提供预警信号和对应的应急决策方案。上述方案中，s2进一步的具体步骤为：假设s为一文字的字符串，预先建立用于风险信息分类、分级的文字表达逻辑库、文字内容知识库（用于存储日常生活中各种风险事件的情景描述文字内容）和风险数据库（用于存储各类风险事件的风险点及相应的风险等级）；在文字内容知识库中对s进行文字匹配处理，根据匹配结果对s进行是否含有风险信息的判断；在文字表达逻辑库中对判断为有风险信息的s进行语义逻辑处理，根据逻辑处理结果对s进行风险是否可识别的判断；在文字内容知识库中对判断为风险可识别的s进行关键字匹配，根据关键字匹配结果对s进行有无风险的判断；在风险数据库中对s中的关键字进行信息匹配，根据匹配结果对s进行风险等级识别。本发明的方法是利用风险识别信息匹配算法对用户发出的信息自动进行风险识别和度量，该方法还与逐步分类算法相结合，实现风险的自动分类、识别和度量。上述方案中，所述风险等级分为四级：低风险、中风险、高风险和极端风险。上述方案中，所述预警信号通过颜色区分，不同类别和风险等级用不同的颜色预警。一种风险信息自动分类、识别与预警系统，包括：接收模块，用于接收用户发送的信息并将其作为风险目标；风险类别识别模块，用于对该信息进行风险信息分类处理得到用户所处环境的风险类别；预警信号输出模块，用于根据风险类别输出对应的预警信号；应急决策模块，用于根据预警信号提供应急决策方案。本发明的系统中，利用风险类别识别模块先对用户发出的信息进行风险信息分类和识别处理，然后预警信号输出模块根据分类情况输出相对应的预警信号，应急决策模块根据预警信号提供对应的应急决策方案，该系统集合了风险识别、分类和预警功能，能够根据用户发送的信息及时为用户提供应对措施。上述方案中，还包括：风险大数据库，用于存储所接收到的通过用户发送的风险信息，该信息记为s，假设s为一文字的字符串；文字表达逻辑库，用于存储语义逻辑样本，根据语义逻辑样本对s进行风险信息是否可识别的判断；文字内容知识库，用于存储日常生活中各种风险事件的情景描述文字内容，根据所存储的信息对s进行是否含有风险信息、风险信息是否可识别、有无风险相匹配的判断；风险数据库，用于存储各类风险事件的风险点及相应的风险等级，通过将用户发送的风险信息与库中的风险点及风险等级进行匹配处理，然后再根据匹配到的关键字对s进行风险等级识别。上述方案中，风险类别识别模块具体用于：利用文字内容知识库对s进行文字匹配处理，根据匹配结果对s进行是否含有风险信息的判断，如无则将s归为不含有风险信息的类别；利用文字表达逻辑库对判断为有风险信息的s进行语义逻辑处理，根据逻辑处理结果对s进行风险是否可识别的判断，如否则将s归为不可识别风险的类别；利用文字内容知识库对判断为风险可识别的s进行关键字匹配，根据关键字匹配结果对s进行有无风险的判断，如无则将s归为无风险的类别；利用风险数据库对s中的关键字进行信息匹配，根据匹配结果对s进行风险等级识别。上述方案中，所述风险等级分为四级：低风险、中风险、高风险和极端风险。上述方案中，所述预警信号通过颜色区分，不同类别和风险等级用不同的颜色预警。与现有技术相比，本发明技术方案的有益效果是：本发明提出了逐步分类算法和风险识别信息匹配算法，将这两种算法相结合对用户发布的风险信息进行风险逐步分类、自动识别和度量，并根据风险类别进行风险预警，帮助用户进行应急决策。在具体实现过程中，通过设计逐步分类算法思想和实现的步骤，进行了信息匹配规则设计，并进一步提出了风险识别信息匹配算法，然后利用逐步分类算法和风险识别信息匹配算法相结合的思想，对用户所处的环境风险逐步分为七大类：“极端风险”、“高风险”、“中风险”、“低风险”、“无风险”、“不可识别风险”和“不含有风险信息”，给出风险自动识别、度量、预警和应急决策的方案。附图说明图1为风险类别与对应预警信号的示意图。图2为风险类别、预警信号、决策一一对应的示意图。图3为本发明一种风险信息自动分类、识别与预警方法具体实施例的流程图。图4为本发明一种风险信息自动分类、识别与预警系统具体实施例的架构图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。在本发明的描述中，需要理解的是，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隐含所指示的技术特征的数量。由此，限定的“第一”、“第二”的特征可以明示或隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以是通过中间媒介间接连接，可以说两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明的具体含义。下面结合附图和实施例对本发明的技术方案做进一步的说明。实施例1（一）逐步分类算法思想可描述为：对某一被分类的对象，首先按照某一个标准或前提，在其所描述概念的最大外延下，根据其内涵不相交的属性进行划分，划分的结果得到按照当前划分标准或前提下的若干个类；然后在当前已分好的所有类目中，又按照某一个标准或前提（可以是刚才的前提或标准，也可以不是），在其所描述概念的最大外延下，根据其内涵不相交的属性进行划分，划分的结果又得到按照当前划分标准或前提下的若干个类；如此继续进行下去，每一步的分类都是在前一步的分类结果下，按照某一个标准或前提（可以是上一步的前提或标准，也可以不是），在其所描述概念的最大外延下，根据其内涵不相交的属性进行划分所得到的分类，一直进行到不需要再分类为止。当用户在平台上发布信息时，app应急系统将把用户发送的信息当作风险目标，调用逐步分类算法，对用户输入风险信息进行分类。app应急系统预先设定风险分类规则与系统实现目标如下：规则1：发布内容是否含有风险信息系统实现目标：是，否；第1级分类：“含有风险信息”和“不含有风险信息”（两类）规则2：该风险是否可识别（在含有风险信息条件下）系统实现目标：可识别风险，不可识别风险；第2级分类：“可识别”和“不可识别”（两类）规则3：该风险是否存在（在可识别风险条件下）系统实现目标：有风险，无风险；第3级分类：“有风险”和“无风险”（两类）规则4：风险等级划分（在风险存在条件下）系统实现目标：极端风险，高风险，中风险，低风险；第4级分类：“极端风险”、“高风险”、“中风险”和“低风险”（四类）根据风险逐级分类算法原理，用户所处的风险环境将一共分为七个等级：“不含有风险信息”、“不可识别风险”、“无风险”、“低风险”、“中风险”、“高风险”与“极端风险”。规则5：风险预警（针对风险存在条件下的风险等级划分）系统实现目标：白色、灰色、绿色，黄色，橙色，浅红色，深红色；规则6：风险应对方法（应急决策）设定目标：保持原状态，风险再研判，环境安全，自救，自救与互救，紧急求救与自救互救，紧急呼救。如图1所示，为风险类别与对应预警信号的示意图。其中，将用户所处的风险环境等级分为：“极端风险”、“高风险”、“中风险”与“低风险”四个等级，各级风险程度的描述与风险度量值如表1所示，其中风险度量值为环境风险发生的可能性。表1风险级别与描述风险类型风险程度描述风险度量值（风险发生可能性）极端风险环境出现极端异常或极度障碍，绝对有风险95-100%高风险环境出现高度异常或高度障碍，有风险80-94%中风险环境出现中度异常或中度障碍，有一定程度的风险，但危险性不大50-79%低风险环境出现低度异常或低度障碍，风险性小1-49%如图2所示，为风险类别、预警信号、决策一一对应的示意图。如图3所示，为本发明一种风险信息自动分类、识别与预警方法具体实施例的流程图。参见图3，本具体实施例一种风险信息自动分类、识别与预警方法的具体步骤包括：s1．接收用户发送的信息并将其作为风险目标；通常用户发布信息是通过移动智能终端或者其他电子设备发出，app应急系统接收用户发送的信息后，根据app应急系统所具备的功能对用户的信息进行风险分类、识别、度量和预警。具体实施过程中，接收用户发送的信息后将其存入风险大数据库中。s2．对该信息进行风险信息分类处理得到用户所处环境的风险类别；s3．根据风险类别对风险等级进行识别和度量，输出对应的风险预警信号；s4．根据预警信号提供应急决策方案。在具体实施过程中，s2的具体步骤为：s21．假设用户发送的信息记为s，假设s为一文字的字符串，并预先建立用于风险信息分类、分级的文字表达逻辑库、文字内容知识库和风险数据库，s的文字表达语义归属文字表达逻辑库管理，s的信息内容归属文字内容知识库管理。s22．判断s是否含有风险信息，如是则执行步骤s23，否则将s归为不含有风险信息的类别；此步骤是利用文字内容知识库对s进行文字匹配处理，根据匹配结果对s进行是否含有风险信息的判断；s23．判断s的风险是否可识别，如是则执行步骤s24，否则将s归为不可识别风险的类别；该步骤是进一步根据s的描述，在文字表达逻辑库中进行语义逻辑匹配，如果s的语言描述清晰，表达的文字内容具有逻辑性，则判断s为“可识别风险”，否则为“不可识别风险”，如此，根据逻辑处理结果对s进行风险是否可识别的判断；s24．判断s中的风险是否存在，如是则执行步骤s25，否则将s归为无风险的类别；此步骤是进一步根据s的描述，在文字内容知识库中进行文字信息匹配，如果s的描述中有与风险相关的关键字，则判断s为“有风险”，否则判断s为“无风险”，如此，根据关键字匹配结果对s进行有无风险的判断；s25．对s进行风险级别识别，将s分为若干等级风险信息。在此步骤中，系统根据s的描述在风险数据库中进行“风险”关键字的文字描述进行信息匹配，根据风险信息匹配的结果对风险进行“低风险”、“中风险”、“高风险”和“极端风险”的识别，如此根据匹配结果对s进行风险等级识别。经过步骤s2的处理，对s的分类为7个结果中的一个：“不含有风险信息”、“不可识别风险”、“无风险”、“低风险”、“中风险”、“高风险”和“极端风险”。app应急系统预先针对这7个结果分配了7种风险预警信号：白色、灰色、绿色，黄色，橙色，浅红色和深红色。在步骤s3中，将根据s的分类结果相应输出对应的风险预警信号。app应急系统也预先根据7种风险预警信号分配了7种对应的应急决策方案：保持原状态、风险再研判、环境安全、自救、自救与互救、紧急求救与自救互救和紧急呼救。在步骤s4中，根据s的风险预警信号提供对应的应急决策方案，从而可以为用户提供实用的应急决策方案。实施例2在实施例1的基础上，本发明还提供了一种风险信息自动分类、识别与预警系统。如图4所示，本实施例的一种风险信息自动分类、识别与预警系统具体包括：接收模块201，用于接收用户发送的信息并将其作为风险目标；风险类别识别模块202，用于对该信息进行风险信息分类和识别处理得到用户所处环境的风险类别；预警信号输出模块203，用于根据风险类别输出对应的预警信号；应急决策模块204，用于根据预警信号提供应急决策方案。接收模块201接收用户发送的信息后，根据系统所具备的功能对用户的信息进行风险识别和预警。具体实施过程中，系统还包括：风险大数据库205，用于存储接收模块201所接收到的通过用户发送的信息，该信息记为s，假设s为一文字的字符串；文字表达逻辑库206，用于存储语义逻辑样本，根据语义逻辑样本对s进行风险信息是否可识别的判断；s的文字表达语义归属文字表达逻辑库管理。文字内容知识库207，用于存储日常生活中各种风险事件的情景描述文字内容，根据所存储的信息对s进行是否含有风险信息、风险信息是否可识别、有无风险相匹配的判断；s的信息内容归属文字内容知识库管理。风险数据库208，用于存储各类风险事件的风险点及相应的风险等级，通过将用户发送的风险信息与库中的风险点及风险等级进行匹配处理，然后再根据匹配到的关键字对s进行风险等级识别。具体实施过程中，风险类别识别模块202具体用于：利用文字内容知识库207对s进行文字匹配处理，根据匹配结果对s进行是否含有风险信息的判断，如无则将s归为不含有风险信息的类别。利用文字表达逻辑库206对判断为有风险信息的s进行语义逻辑处理，根据逻辑处理结果对s进行风险是否可识别的判断，如否则将s归为不可识别风险的类别；此过程中，如果s的语言描述清晰，表达的文字内容具有逻辑性，则判断s为“可识别风险”，否则为“不可识别风险”。利用文字内容知识库207对判断为风险可识别的s进行关键字匹配，根据关键字匹配结果对s进行有无风险的判断，如无则将s归为无风险的类别；此过程中，根据s的描述在文字内容知识库中进行文字信息匹配，如果s的描述中有与风险相关的关键字，则判断s为“有风险”，否则判断s为“无风险”。利用风险数据库208对s中的关键字进行信息匹配，根据匹配结果对s进行风险等级识别。此过程中，根据s的描述在风险数据库中进行“风险”关键字的文字描述进行信息匹配，根据风险信息匹配的结果对风险进行“低风险”、“中风险”、“高风险”和“极端风险”的识别，如此根据匹配结果对s进行风险等级识别。利用风险类别识别模块202可以将任一s进行分类，s的分类为7个结果中的一个：“不含有风险信息”、“不可识别风险”、“无风险”、“低风险”、“中风险”、“高风险”和“极端风险”。预警信号输出模块203预先针对这7个结果分配了7种风险预警信号：白色、灰色、绿色，黄色，橙色，浅红色和深红色，预警信号输出模块203将根据s的分类结果相应输出对应的风险预警信号。应急决策模块204预先根据7种风险预警信号分配了7种对应的应急决策方案：保持原状态、风险再研判、环境安全、自救、自救与互救、紧急求救与自救互救和紧急呼救。应急决策模块204根据s的风险预警信号提供对应的应急决策方案，从而可以为用户提供实用的应急决策方案。相同或相似的标号对应相同或相似的部件；附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。当前第1页12