面向多领域的交互式危机事件动态预警方法及系统与流程

本发明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。

背景技术：

1、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。

2、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。

3、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。

4、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

1、本发明的目的在于：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。

2、本发明的技术方案如下：

3、面向多领域的交互式危机事件动态预警方法，包括：

4、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；

5、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。

6、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。

7、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。

8、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。

9、进一步地，所述推理式预警预测模型，包括如下阶段：

10、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；

11、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；

12、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；

13、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；

14、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。

15、进一步地，所述推理式预警预测模型，还包括如下阶段：

16、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。

17、面向多领域的交互式危机事件动态预警系统，包括：

18、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；

19、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；

20、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；

21、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；

22、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户管理功能模块。

23、进一步地，所述数据模型构建模块，包括：

24、实体类模型建模模块，所述实体类模型建模模块负责实体类模型的建模，所述实体类模型，包括：实体概念模型、实体属性模型、实体分类模型；

25、事件类模型建模模块，所述事件类模型建模模块负责事件类模型的建模，所述事件类模型，包括：事件本体模型。

26、进一步地，所述语义特征提取模块，包括：

27、实体信息提取模块、目标信息提取模块、事件信息提取模块和言论信息提取模块。

28、本发明相比于现有预警系统的有效增益在于：

29、（1）本发明针对现有预警系统烟囱式孤立建设、缺乏统一框架指导导致系统迁移应用能力不足的问题，提出了一种危机事件动态预警系统框架，面向网络舆情、公共安全、大国博弈等典型应用，建立了由数据模型、高价值语义特征、认知推理服务引擎等组成的动态危机预警框架，具备良好的通用性和可扩展性，可为危机预警系统建设提供有力支撑。

30、（2）本发明针对现有预警系统全人工参与、智能化水平低等问题，建立了以预训练模型为基础的危机事件语义特征提取、预警业务需求理解、危机事件深度推理等技术体系，系统在数据处理、需求理解、深度分析等方面全自动、实时处理，有效提升了危机预警系统的智能化和自动化水平。

31、（3）本发明针对现有预警系统专家知识无法持续固化应用、系统更新迭代能力不强等问题，建立了边建边用边更新的系统工作模式，通过人机交互方式在数据模型、业务模型建模方面提供专家知识固化工具，提升数据处理和预警预测的精准性，实现了专家知识的有效固化，并自动在下一次预警流程中应用，形成了一个持续迭代、动态更新的良好机制。

32、（4）本发明的核心是建立一种面向多领域的交互式危机事件动态预警系统，提出了通用性强的危机事件动态预警框架，设计了详细的系统工作流程和功能模块，可为经济、安全等众多领域预警系统的智能化工程建设提供参考，只要是有关危机预警，本发明都是有效的。