买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京市科学技术研究院

摘要：本发明提供一种极端气象灾害下的公众行为预警方法及系统，涉及计算机数据挖掘技术领域。所述方法包括基于网络爬虫获取突发事件相关的历史数据与实时数据；提取历史数据和实时数据中与突发事件、环境、公众和行为的相关特征，得到历史数据特征和实时数据特征，对历史数据特征进行分析，得到历史实体属性关系图谱数据；建立实体属性关系图谱数据库和实时实体属性关系图谱得到实时公众行为预测信息；计算实时风险评估预测指标；判断实时风险评估预测指标是否高于预设阈值；若高于预设阈值，则发送警报信息，根据报警信息采取紧急措施，本方法能够实时预测公众的行为，并通过风险评估提供快速的决策支持。

主权项：1.一种极端气象灾害下的公众行为预警方法，其特征在于，所述方法包括：S1、基于网络爬虫获取突发事件相关的历史数据与实时数据；所述历史数据包括历史文本数据和历史图片数据；所述实时数据包括实时文本数据、实时图片数据；S2、分别提取所述历史数据和实时数据中与突发事件、环境、公众和行为的相关特征得到历史数据特征，对所述历史数据特征进行分析，得到历史实体属性关系图谱数据；S3、根据所述历史实体属性关系图谱数据建立实体属性关系图谱数据库；S4、将所述实时数据特征与所述实体属性关系图谱数据库进行匹配，得到实时实体属性关系图谱；S5、利用历史数据对机器学习模型进行训练，将实时数据输入至训练好的机器学习模型中，并将训练好的机器学习模型的输出结果结合实时实体属性关系图谱得到实时公众行为预测信息；S6、结合训练好的机器学习模型的输出结果和实时公众行为预测信息得到实时风险评估预测指标；S7、判断实时风险评估预测指标是否高于预设阈值；若高于预设阈值，则发送警报信息，根据报警信息采取紧急措施；否则，重复执行S1；其中，所述S2中的提取所述历史数据中与突发事件、环境、公众和行为的相关特征得到历史数据特征，及，对所述历史数据特征进行分析，得到历史实体属性关系图谱数据包括：根据自然语言处理技术，对历史文本数据进行分词、词性标注和命名实体识别处理，得到自然语言处理后的历史文本数据；基于所述自然语言处理后的历史文本数据，提取与突发事件、环境、公众和行为的相关特征，以及，历史公众对突发事件的态度反馈信息，得到历史文本数据特征；其中，所述突发事件、环境、公众和行为的相关特征的关键词包括：事件发生时间、地点、事件类型和社交媒体热词；基于计算机视觉技术，对所述历史图片数据进行处理，得到与突发事件、环境、公众和行为的相关特征，以及，突发事件发生时的环境信息和突发事件发生时的公众行为信息，得到历史图片数据特征；根据历史文本数据特征和历史图片数据特征得到历史数据特征；针对所述历史数据特征内的关键词、历史公众对突发事件的态度反馈信息、突发事件发生时的环境信息和突发事件发生时的公众行为信息，结合自然语言处理技术建立事件、环境和行为之间的关联，得到历史实体属性关系图谱数据；其中，所述历史公众对突发事件的态度反馈信息包括：新闻报道和社交媒体上的评论信息，以及，公众实际行为信息；其中，所述公众实际行为信息包括：物资捐赠的文本信息以及参与救援人数信息；所述事件发生时的环境信息包括：突发事件发生时的天气信息和交通信息；所述突发事件发生时的公众行为信息包括：志愿者救援的画面信息；其中，所述S5中的利用历史数据对机器学习模型进行训练包括：通过所述历史文本数据对BERT模型进行训练和通过历史图片数据对CNN模型进行训练；其中，所述通过所述历史文本数据对BERT模型进行训练包括：S5011、读取历史文本数据，建立历史文本数据集合；S5012、将所述建立历史文本数据集合分为文本训练数据集合和文本验证数据集合；S5013、通过所述文本训练数据集合对BERT模型进行训练，得到文本损失函数；S5014、通过所述文本验证数据集合评估所述BERT模型的性能，根据所述BERT模型的性能评估结果调整所述BERT模型的参数，直至所述BERT模型预测的态度反馈信息符合实际的态度反馈信息；其中，所述通过历史图片数据对CNN模型进行训练包括：S5021、读取历史图片数据，建立历史图片数据集合；S5022、将所述历史图片数据集合分为图片训练数据集合和图片验证数据集合；S5023、通过所述图片训练数据集合对CNN模型进行训练，得到图片损失函数；S5024、通过所述图片验证数据集合评估所述CNN模型的性能，根据所述CNN模型的性能评估结果调整所述CNN模型的参数，直至所述CNN模型预测的突发事件发生时的环境信息符合实际历史突发事件发生时的环境信息，以及，所述突发事件发生时的公众行为信息符合实际的历史突发事件的公众行为信息；其中，所述S5中的将实时数据输入至训练好的机器学习模型中，并将训练好的机器学习模型的输出结果结合实时实体属性关系图谱得到实时公众行为预测信息包括：S5031、读取模型的预测信息，所述模型的预测信息包括：所述BERT模型预测的态度反馈信息，以及，所述CNN模型预测的突发事件发生时的环境信息和突发事件发生时的公众行为信息；S5032、将所述模型的预测信息输入至实时实体属性关系图谱中，得到实时公众行为预测信息；其中，所述实时公众行为预测信息包括预测的物资捐赠数量和预测的参与救援人数；其中，所述S6的结合训练好的机器学习模型的输出结果和实时公众行为预测信息得到实时风险评估预测指标包括：S601、读取预测的物资捐赠数量、预测的参与救援人数和突发事件发生时的环境信息，进行求和计算，得到评估和值；其中，所述突发事件发生时的环境信息包括：发生突发事件时的天气信息和参与救援时的交通信息指标；S602、将所述预测的物资捐赠数量、预测的参与救援人数和突发事件发生时的环境信息分别与所述评估和值进行比值计算，分别得到所述预测的物资捐赠数量的比例系数、预测的参与救援人数的比例系数和突发事件发生时的环境信息的比例系数；S603、将预测的物资捐赠数量、预测的参与救援人数、突发事件发生时的环境信息分别与对应的比例系数进行相乘然后求和，得到实时风险评估预测指标。

全文数据：

权利要求：

百度查询： 北京市科学技术研究院 一种极端气象灾害下的公众行为预警方法及系统