本發(fā)明涉及水上交通，尤其涉及一種基于知識圖譜的海域違法事件追源方法、裝置和電子設(shè)備。

背景技術(shù)：

1、通用知識圖譜實體數(shù)量多，但其準(zhǔn)確度較低，無法實現(xiàn)海上違法事件的精準(zhǔn)應(yīng)用。通過多源異構(gòu)數(shù)據(jù)的信息融合結(jié)果進(jìn)行實體識別、知識抽取、知識融合質(zhì)量評估，構(gòu)建違法事件本體關(guān)系識別-知識抽取融合-知識過程存儲的知識圖譜模型，彌補了通用知識圖譜在實體屬性和數(shù)據(jù)模式不夠豐富的缺陷，可兼顧不同違法事件的應(yīng)用場景與使用人員的需求。

2、圖卷積神經(jīng)網(wǎng)絡(luò)是一種用來高效處理圖結(jié)構(gòu)數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)模型只能用來處理具有歐幾里德結(jié)構(gòu)類型的數(shù)據(jù)，圖結(jié)構(gòu)中的節(jié)點由于不具備平移不變性，因此不能通過共享相同大小的卷積核來對其進(jìn)行卷積運算。graphsage（graph?sampleand?aggregate）算法與其他圖神經(jīng)網(wǎng)絡(luò)相比，其特點在于其強大的歸納學(xué)習(xí)能力，使得它能夠處理未見節(jié)點并為新節(jié)點快速生成嵌入；同時，通過鄰域采樣和多樣化的聚合函數(shù)，graphsage實現(xiàn)了對大規(guī)模圖的高效處理與豐富特征的捕獲，從而在實際應(yīng)用中顯示出更高的靈活性和可擴展性。

3、現(xiàn)有的線索挖掘和事故追源方法存在以下幾個問題：1.目前已有研究人員使用事理圖譜來進(jìn)行事件的追源，但是往往只是將事件以圖譜的方式結(jié)構(gòu)化表示，未進(jìn)行深度的學(xué)習(xí)；2.當(dāng)前的事故追源基本上都是在固定節(jié)點的圖譜上進(jìn)行的，當(dāng)有新事件出現(xiàn)時，當(dāng)前的圖譜需要重新進(jìn)行學(xué)習(xí)，增加了計算的復(fù)雜度。

技術(shù)實現(xiàn)思路

1、有鑒于此，有必要提供一種基于知識圖譜的海域違法事件追源方法、裝置和電子設(shè)備，用以解決現(xiàn)有技術(shù)中海上違法事件的追源方法在固定節(jié)點上進(jìn)行，動態(tài)更新新事件時會導(dǎo)致圖譜計算量大，從而導(dǎo)致追源效率低的技術(shù)問題。

2、為了解決上述問題，本發(fā)明提供一種基于知識圖譜的海域違法事件追源方法，包括：

3、基于海域違法事件數(shù)據(jù)集構(gòu)建目標(biāo)知識圖譜，確定違法事件知識三元組；

4、根據(jù)違法事件知識三元組，建立實際海域違法數(shù)據(jù)的特征矩陣數(shù)據(jù)集；

5、以所述特征矩陣數(shù)據(jù)集為輸入，對初始圖神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練完備的目標(biāo)圖神經(jīng)網(wǎng)絡(luò)；

6、根據(jù)目標(biāo)圖神經(jīng)網(wǎng)絡(luò)和實時海域數(shù)據(jù)，對海域違法事件進(jìn)行追源。

7、在一種可能的實現(xiàn)方式中，所述基于海域違法案例數(shù)據(jù)集構(gòu)建目標(biāo)知識圖譜，確定違法事件知識三元組，包括：

8、獲取海域違法事件的歷史數(shù)據(jù)，其中，歷史數(shù)據(jù)至少包括涉事船舶信息、事件發(fā)生位置、發(fā)生事件、涉事人員和事件背景；

9、對歷史數(shù)據(jù)進(jìn)行分析，確定本體關(guān)系模型；

10、根據(jù)本體關(guān)系模型訓(xùn)練海域違法知識抽取模型的實體識別模塊和關(guān)系抽取模塊；

11、采用訓(xùn)練完備的海域違法知識抽取模型對歷史數(shù)據(jù)進(jìn)行知識動抽，確定違法事件知識三元組。

12、在一種可能的實現(xiàn)方式中，所述根據(jù)違法事件知識三元組，建立實際海域違法數(shù)據(jù)的特征矩陣數(shù)據(jù)集，包括：

13、對海域違法事件的歷史數(shù)據(jù)進(jìn)行分類，得到一般數(shù)據(jù)集和特殊數(shù)據(jù)集；

14、基于目標(biāo)知識圖譜的知識三元組導(dǎo)出一般數(shù)據(jù)集對應(yīng)的一般特征集，以及導(dǎo)出特殊數(shù)據(jù)集對應(yīng)的特殊特征集；

15、采用預(yù)設(shè)同義詞挖掘算法分別對一般特征集和特殊數(shù)據(jù)集進(jìn)行同義詞挖替換，得到文本特征；

16、對文本特征進(jìn)行編碼，得到實際海域違法數(shù)據(jù)的特征矩陣數(shù)據(jù)集。

17、在一種可能的實現(xiàn)方式中，所述對文本特征進(jìn)行編碼，得到實際海域違法數(shù)據(jù)的特征矩陣數(shù)據(jù)集，包括：

18、采用預(yù)設(shè)獨熱編碼法對文本特征進(jìn)行編碼，得到實際海域違法數(shù)據(jù)的特征矩陣數(shù)據(jù)集。

19、在一種可能的實現(xiàn)方式中，所述以所述特征矩陣數(shù)據(jù)集為輸入，對初始圖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練完備的目標(biāo)圖神經(jīng)網(wǎng)絡(luò)模型，包括：

20、基于目標(biāo)知識圖譜的節(jié)點進(jìn)行鄰接節(jié)點采樣，得到局部領(lǐng)域信息；

21、對所有采樣的鄰接節(jié)點的特征進(jìn)行逐元素的均值計算，得到聚合特征；

22、根據(jù)聚合特征確定各個節(jié)點的鄰接關(guān)系，得到目標(biāo)圖神經(jīng)網(wǎng)絡(luò)模型。

23、在一種可能的實現(xiàn)方式中，所述基于目標(biāo)知識圖譜的節(jié)點進(jìn)行鄰接節(jié)點采樣，得到局部領(lǐng)域信息，包括：

24、初始圖神經(jīng)網(wǎng)絡(luò)模型對基于知識圖譜導(dǎo)出的節(jié)點鄰接列表進(jìn)行采樣，獲得起始節(jié)點的局部領(lǐng)域信息。

25、在一種可能的實現(xiàn)方式中，所述對所有采樣的鄰接節(jié)點的特征進(jìn)行逐元素的均值計算，可通過如下公式表示：

26、

27、其中表示節(jié)點在第層的隱藏狀態(tài)（或特征），表示節(jié)點的鄰居節(jié)點集合，表示求均值的操作，表示聚合特征。

28、第二方面，本發(fā)明還提供一種基于知識圖譜的海域違法事件追源裝置，包括：

29、知識三元組確定模塊，用于基于海域違法事件數(shù)據(jù)集構(gòu)建目標(biāo)知識圖譜，確定違法事件知識三元組；

30、特征矩陣建立模塊，用于根據(jù)違法事件知識三元組，建立實際海域違法數(shù)據(jù)的特征矩陣數(shù)據(jù)集；

31、模型訓(xùn)練模塊，用于以所述特征矩陣數(shù)據(jù)集為輸入，對初始圖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練完備的目標(biāo)圖神經(jīng)網(wǎng)絡(luò)模型；

32、追源模塊，用于根據(jù)目標(biāo)圖神經(jīng)網(wǎng)絡(luò)模型和實時海域數(shù)據(jù)，對海域違法事件進(jìn)行追源。

33、第三方面，本發(fā)明還提供了一種電子設(shè)備，包括：處理器和存儲器；

34、所述存儲器上存儲有可被所述處理器執(zhí)行的計算機可讀程序；

35、所述處理器執(zhí)行所述計算機可讀程序時實現(xiàn)如上所述的基于知識圖譜的海域違法事件追源方法中的步驟。

36、第四方面，本發(fā)明還提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有一個或者多個程序，所述一個或者多個程序可被一個或者多個處理器執(zhí)行，以實現(xiàn)如上所述的基于知識圖譜的海域違法事件追源方法中的步驟。

37、本發(fā)明的有益效果是：首先構(gòu)建知識圖譜，并基于知識圖譜對海域違法事件數(shù)據(jù)集抽取對應(yīng)的知識三元組，隨后基于違法事件知識三元組建立實際海域違法數(shù)據(jù)的特征矩陣數(shù)據(jù)，并通過海域違法數(shù)據(jù)的特征矩陣數(shù)據(jù)對初始圖神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以通過圖神經(jīng)網(wǎng)絡(luò)對知識圖譜中的節(jié)點進(jìn)行聚合、學(xué)習(xí)，能針對知識圖譜新增節(jié)點進(jìn)行學(xué)習(xí)，不用進(jìn)行全圖的學(xué)習(xí)，既提高了計算效率，又保留了圖數(shù)據(jù)的豐富信息。

技術(shù)特征：

1.一種基于知識圖譜的海域違法事件追源方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于知識圖譜的海域違法事件追源方法，其特征在于，所述基于海域違法案例數(shù)據(jù)集構(gòu)建目標(biāo)知識圖譜，確定違法事件知識三元組，包括：

3.根據(jù)權(quán)利要求1所述的基于知識圖譜的海域違法事件追源方法，其特征在于，所述根據(jù)違法事件知識三元組，建立實際海域違法數(shù)據(jù)的特征矩陣數(shù)據(jù)集，包括：

4.根據(jù)權(quán)利要求3所述的基于知識圖譜的海域違法事件追源方法，其特征在于，所述對文本特征進(jìn)行編碼，得到實際海域違法數(shù)據(jù)的特征矩陣數(shù)據(jù)集，包括：

5.根據(jù)權(quán)利要求1所述的基于知識圖譜的海域違法事件追源方法，其特征在于，所述以所述特征矩陣數(shù)據(jù)集為輸入，對初始圖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練完備的目標(biāo)圖神經(jīng)網(wǎng)絡(luò)模型，包括：

6.根據(jù)權(quán)利要求5所述的基于知識圖譜的海域違法事件追源方法，其特征在于，所述基于目標(biāo)知識圖譜的節(jié)點進(jìn)行鄰接節(jié)點采樣，得到局部領(lǐng)域信息，包括：

7.根據(jù)權(quán)利要求5所述的基于知識圖譜的海域違法事件追源方法，其特征在于，所述對所有采樣的鄰接節(jié)點的特征進(jìn)行逐元素的均值計算，可通過如下公式表示：

8.一種基于知識圖譜的海域違法事件追源裝置，其特征在于，包括：

9.一種電子設(shè)備，其特征在于，包括：處理器和存儲器；

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有一個或者多個程序，所述一個或者多個程序可被一個或者多個處理器執(zhí)行，以實現(xiàn)如權(quán)利要求1-7任一項所述的基于知識圖譜的海域違法事件追源方法中的步驟。

技術(shù)總結(jié)
本發(fā)明涉及一種基于知識圖譜的海域違法事件追源方法、裝置和電子設(shè)備，屬于水上交通技術(shù)領(lǐng)域，其中，該方法包括：基于海域違法事件數(shù)據(jù)集構(gòu)建目標(biāo)知識圖譜，確定違法事件知識三元組；根據(jù)違法事件知識三元組，建立實際海域違法數(shù)據(jù)的特征矩陣數(shù)據(jù)集；以所述特征矩陣數(shù)據(jù)集為輸入，對初始圖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練完備的目標(biāo)圖神經(jīng)網(wǎng)絡(luò)模型；根據(jù)目標(biāo)圖神經(jīng)網(wǎng)絡(luò)模型和實時海域數(shù)據(jù)，對海域違法事件進(jìn)行追源。本發(fā)明解決了現(xiàn)有技術(shù)中海上違法事件的追源方法在固定節(jié)點上進(jìn)行，動態(tài)更新新事件時會導(dǎo)致圖譜計算量大，從而導(dǎo)致追源效率低的技術(shù)問題。

技術(shù)研發(fā)人員：陳辰,余紅楚,劉文韜,周俊華,劉智鵬,程京生,經(jīng)榮
受保護(hù)的技術(shù)使用者：武漢理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10