本技術(shù)提出了一種數(shù)據(jù)處理方法，特別是指基于事理知識(shí)圖譜的智能家居質(zhì)量安全確定方法。

背景技術(shù)：

1、消費(fèi)品安全關(guān)乎人民生命和財(cái)產(chǎn)安全，我國(guó)政府對(duì)此高度重視，國(guó)家一系列文件對(duì)消費(fèi)品標(biāo)準(zhǔn)和質(zhì)量水平提升都作了明確要求。近年來(lái)智能產(chǎn)品發(fā)展迅速，據(jù)cshia發(fā)布報(bào)告，中國(guó)將成為全球最大的智能家居市場(chǎng)，但同時(shí)由于智能家居產(chǎn)品發(fā)展尚未成熟，其在使用過(guò)程中可能由于自身功能安全或自身缺陷等質(zhì)量安全風(fēng)險(xiǎn)造成質(zhì)量安全問(wèn)題事件發(fā)生，從而對(duì)消費(fèi)者生命健康財(cái)產(chǎn)安全造成不同程度的損害。

2、近年來(lái)知識(shí)圖譜不斷發(fā)展，國(guó)內(nèi)外多個(gè)研究機(jī)構(gòu)建立了一些大規(guī)模的通用知識(shí)圖譜[1]、yago[2，3]、freebase[4]、百度知心、搜狗智立方等。知識(shí)圖譜作為知識(shí)工程的引領(lǐng)技術(shù)，滿(mǎn)足了產(chǎn)品制造領(lǐng)域現(xiàn)階段對(duì)知識(shí)獲取高效率和輔助生產(chǎn)制造決策的需求[5，6]，因此在產(chǎn)品制造領(lǐng)域得到了廣泛研究[16，18，22]。事理圖譜最早由劉挺教授[7]在2017年中國(guó)計(jì)算機(jī)大會(huì)上提出，其利用大數(shù)據(jù)技術(shù)和高效易讀的圖譜化形式對(duì)謂詞詞性事件短語(yǔ)及其內(nèi)外關(guān)系進(jìn)行挖掘和呈現(xiàn)[8]。與知識(shí)圖譜相比，事理圖譜不僅可以幫助人們快速掌握事件的變化方向，還有助于挖掘事件的發(fā)展規(guī)律[9]。事理知識(shí)圖譜在事理圖譜基礎(chǔ)上繼續(xù)完善，將知識(shí)圖譜的靜態(tài)知識(shí)和事理圖譜的事理邏輯知識(shí)相結(jié)合，形成雙層結(jié)構(gòu)的圖譜，能夠提供一個(gè)基于多模式知識(shí)關(guān)聯(lián)的邏輯推理框架[9，10]。

3、多個(gè)領(lǐng)域?qū)κ吕韴D譜和知識(shí)圖譜構(gòu)建均有研究，整體上看主要集中在金融領(lǐng)域[9]和輿情領(lǐng)域[11，12]，在突發(fā)事件[13]、安全事故[14]、智能制造[15]等領(lǐng)域。在產(chǎn)品制造領(lǐng)域，知識(shí)圖譜和事理圖譜的應(yīng)用主要為了支撐不同應(yīng)用場(chǎng)景的輔助決策。在設(shè)備故障運(yùn)維場(chǎng)景，主要研究為對(duì)先驗(yàn)知識(shí)數(shù)據(jù)的集成與應(yīng)用，吳闖等[6]、郭恒等[16]、劉根等[17]都面向具體產(chǎn)品系統(tǒng)領(lǐng)域?qū)收暇S修數(shù)據(jù)進(jìn)行集成構(gòu)建知識(shí)圖譜，以輔助對(duì)于產(chǎn)品運(yùn)維；也有研究關(guān)注構(gòu)建知識(shí)圖譜對(duì)故障實(shí)現(xiàn)預(yù)測(cè)推斷，肖發(fā)龍[18]、周彬等[19]、鄧健峰等[15]針對(duì)具體設(shè)備故障數(shù)據(jù)，挖掘其中因果關(guān)聯(lián)數(shù)據(jù)構(gòu)建知識(shí)圖譜實(shí)現(xiàn)故障診斷預(yù)警以輔助實(shí)際設(shè)備運(yùn)維。在制造質(zhì)量控制場(chǎng)景，高龍等研究數(shù)據(jù)智能化質(zhì)量管理的技術(shù)體系和路徑，并選擇某單位航空產(chǎn)品開(kāi)展質(zhì)量問(wèn)題原因分類(lèi)、質(zhì)量事理圖譜構(gòu)建、事理知識(shí)推送等應(yīng)用及原型系統(tǒng)建設(shè)[20]。在產(chǎn)品制造系統(tǒng)數(shù)據(jù)集成部分，主要研究為構(gòu)建知識(shí)圖譜實(shí)現(xiàn)對(duì)制造過(guò)程現(xiàn)有知識(shí)數(shù)據(jù)集成，以提供知識(shí)服務(wù)，宋鄧強(qiáng)等提出一種基于加工節(jié)拍數(shù)據(jù)流的知識(shí)圖譜動(dòng)態(tài)生成和更新方法構(gòu)建了船舶制造領(lǐng)域的動(dòng)態(tài)知識(shí)圖譜[21]；熊奧等提出基于知識(shí)圖譜的核電設(shè)備健康管理知識(shí)建模與分析方法，面向核電企業(yè)實(shí)際的維修工單數(shù)據(jù)進(jìn)行知識(shí)抽取，為維修人員和管理人員提供決策和知識(shí)支持[22]。在產(chǎn)品設(shè)計(jì)與開(kāi)發(fā)部分，簡(jiǎn)琤峰等對(duì)設(shè)計(jì)意圖的語(yǔ)義知識(shí)挖掘需求，構(gòu)建產(chǎn)品結(jié)構(gòu)幾何知識(shí)與非幾何知識(shí)語(yǔ)義關(guān)聯(lián)的step知識(shí)圖譜[23]。

4、整體上看，事理圖譜在產(chǎn)品制造領(lǐng)域研究還較少，主要集中在利用事理圖譜對(duì)設(shè)備故障進(jìn)行診斷分析，以及對(duì)質(zhì)量問(wèn)題原因進(jìn)行事理分析，對(duì)于產(chǎn)品制造領(lǐng)域先驗(yàn)知識(shí)和因果關(guān)聯(lián)信息的挖掘較少，但同時(shí)產(chǎn)品制造領(lǐng)域的先驗(yàn)知識(shí)和因果關(guān)聯(lián)信息為產(chǎn)品設(shè)計(jì)、生產(chǎn)制造等領(lǐng)域任務(wù)提供可靠解釋的重要支撐，因此，構(gòu)造產(chǎn)品制造領(lǐng)域事理圖譜并對(duì)背后事理邏輯進(jìn)行分析研究將成為研究重點(diǎn)。智能家居質(zhì)量安全事件中存在大量先驗(yàn)知識(shí)和因果知識(shí)，能對(duì)質(zhì)量安全問(wèn)題進(jìn)行原因追溯和風(fēng)險(xiǎn)分析，本技術(shù)實(shí)施例面向智能家居質(zhì)量安全問(wèn)題風(fēng)險(xiǎn)控制問(wèn)題，構(gòu)造以知識(shí)驅(qū)動(dòng)的質(zhì)量安全問(wèn)題事件關(guān)聯(lián)與演化為切入點(diǎn)的事理知識(shí)圖譜，一方面事理層的邏輯演化知識(shí)能輔助智能家居質(zhì)量安全風(fēng)險(xiǎn)控制，另一方面知識(shí)層的事件實(shí)例知識(shí)能輔助智能家居質(zhì)量安全問(wèn)題細(xì)粒度知識(shí)查詢(xún)，提升生產(chǎn)運(yùn)作效率。

5、為便于公眾理解，本技術(shù)背景技術(shù)涉及的參考文件[1]～[18]在隨后列出，本技術(shù)將這些對(duì)比文件全文引用于此：

6、[1]bizer?c，lehmann?j，kobilarov?g，et?al.dbpedia-acrystallization?pointfor?the?web?ofdata[j].journal?of?web?semantics，2009，7(3):154-165.

7、[2]fabian?suchanek?g?m?k?g.yago:a?core?of?semantic?knowledge?unifyingwordnet?and?wikipedia[j].16th?international?conference?on?world?wide?web，2007.

8、[3]hoffart?j，suchanek?f?m，berberich?k，et?al.yago2:aspatially?andtemporally?enhanced?knowledge?base?from?wikipedia[j].artificial?intelligence，2013，194:28-61.

9、[4]bollacker?k，evans?c，paritosh?p，et?al.freebase:acollaborativelycreated?graph?database?for?structuring?human?knowledge:acm，2008.

10、[5]陶家琦，李心雨，鄭湃，等.制造領(lǐng)域知識(shí)圖譜的應(yīng)用研究現(xiàn)狀與前沿[j].計(jì)算機(jī)集成制造系統(tǒng):1-32.

11、[6]吳闖，張亮，唐希浪，等.航空發(fā)動(dòng)機(jī)潤(rùn)滑系統(tǒng)故障知識(shí)圖譜構(gòu)建及應(yīng)用[j].北京航空航天大學(xué)學(xué)報(bào):1-14.

12、[7]li，z.，zhao，s.，ding，x.，liu，t.(2017).eeg:knowledge?base?for?eventevolutionary?principles?and?patterns.in:cheng，x.，ma，w.，liu，h.，shen，h.，feng，s.，xie，x.(eds)social?media?processing.smp?2017.communications?in?computer?andinformation?science，vol?774.springer，singapore.https://doi.org/10.1007/978-981-10-6805-8_4

13、[8]鄧君，彭珺，孫紹丹，鞠海龍.基于事理圖譜的游記文本知識(shí)發(fā)現(xiàn)——以康養(yǎng)旅游為例[j].現(xiàn)代情報(bào)，2022，07(42):105-113.

14、[9]劉政昊，曾曦，張志劍.面向應(yīng)急管理的金融突發(fā)事件事理知識(shí)圖譜構(gòu)建與分析研究[j].信息資源管理學(xué)報(bào)，2022，12(3):137-151.

15、[10]張?jiān)姮?，李?yáng).融合事理知識(shí)圖譜與網(wǎng)絡(luò)輿情分析的突發(fā)事件情報(bào)支持路徑及實(shí)證研究——以?；肥鹿蕿槔齕j].信息資源管理學(xué)報(bào)，2023，13(04):60-71.

16、[11]徐海玲.基于事理圖譜的多維特征網(wǎng)絡(luò)輿情演化路徑研究[j].情報(bào)科學(xué)，2022，40(07):48-54.

17、[12]單曉紅，龐世紅，劉曉燕，等.基于事理圖譜的網(wǎng)絡(luò)輿情事件預(yù)測(cè)方法研究[j].情報(bào)理論與實(shí)踐，2020，43(10):165-170，156.

18、[13]劉雅姝，欒宇，周紅磊，等.基于事理圖譜的重大突發(fā)事件動(dòng)態(tài)演變研究[j].圖書(shū)情報(bào)工作，2022，66(10):143-151.

19、[14]林穿，徐啟峰，黃奕釩.基于事理圖譜的電力安全事故預(yù)控方法[j].中國(guó)安全生產(chǎn)科學(xué)技術(shù)，2021，17(10):39-45.

20、[15]鄧健峰，王濤，程良倫.機(jī)器人故障診斷事理邏輯知識(shí)圖譜構(gòu)建研究[j/ol].計(jì)算機(jī)工程與應(yīng)用:1-10[2022-11-10].http://kns.cnki.net/kcms/detail/11.2127.tp.20220629.1249.016.html[z].

21、[16]郭恒，黎榮，張海柱，等.多域融合的高速列車(chē)維修性設(shè)計(jì)知識(shí)圖譜構(gòu)建[j].中國(guó)機(jī)械工程，2022.

22、[17]劉根，洪舸，冷柏寒，等.基于知識(shí)圖譜的汽車(chē)運(yùn)維專(zhuān)家系統(tǒng)集成建模[j].工業(yè)工程與管理，2022，27(05):19-27.

23、[18]肖發(fā)龍，吳岳忠，沈雪豪，等.基于深度學(xué)習(xí)和知識(shí)圖譜的變電站設(shè)備故障智能診斷[j].電力建設(shè)，2022，43(03):66-74.

24、[19]周彬，花豹，陸玉前，等.面向設(shè)備點(diǎn)檢故障根因分析的因果知識(shí)建模方法[j].計(jì)算機(jī)集成制造系統(tǒng):1-22.

25、[20]高龍，衛(wèi)青延，陶劍，等.事理圖譜賦能的航空數(shù)據(jù)智能技術(shù)研究[j].航空工程進(jìn)展，2022:1-13.

26、[21]宋鄧強(qiáng)，周彬，申興旺，等.面向船舶分段制造過(guò)程的動(dòng)態(tài)知識(shí)圖譜建模方法[j].上海交通大學(xué)學(xué)報(bào)，2021，55(05):544-556.

27、[22]熊奧，高暢，趙明輝，等.基于知識(shí)圖譜的核電設(shè)備健康管理知識(shí)建模與分析[j].科技促進(jìn)發(fā)展，2021，17(04):640-649.

28、[23]簡(jiǎn)琤峰，林崇，張立軍，等.面向設(shè)計(jì)意圖的step知識(shí)圖譜關(guān)鍵技術(shù)研究[j].小型微型計(jì)算機(jī)系統(tǒng)，2020，41(03):648-655.

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供了一種數(shù)據(jù)處理方法，能夠?qū)谑吕碇R(shí)圖譜的智能家居質(zhì)量安全進(jìn)行更為精確的評(píng)估。

2、為了達(dá)到上述目的，本技術(shù)實(shí)施例提出了一種基于事理知識(shí)圖譜的智能家居質(zhì)量安全確定方法，包括：

3、建立框架步驟，用于建立包括數(shù)據(jù)層、圖譜構(gòu)建層以及展示應(yīng)用層的框架；其中：數(shù)據(jù)層部分，用于面向智能家居質(zhì)量安全問(wèn)題分析需求，從對(duì)應(yīng)網(wǎng)站爬取相關(guān)數(shù)據(jù)，并利用自然語(yǔ)言處理工具完成數(shù)據(jù)預(yù)處理工作；圖譜構(gòu)建層部分，基于數(shù)據(jù)層的數(shù)據(jù)，按照事理知識(shí)圖譜的構(gòu)建流程，分別完成事件類(lèi)型識(shí)別、事件關(guān)系抽取、事件要素抽取、事件泛化工作；展示應(yīng)用層部分，將事件要素抽取知識(shí)和事件泛化結(jié)果放入圖數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)并實(shí)現(xiàn)可視化，對(duì)抽象事理圖譜演化路徑和事理知識(shí)圖譜應(yīng)用價(jià)值進(jìn)行分析。

4、其中，所述建立框架步驟包括：

5、步驟1、數(shù)據(jù)采集及預(yù)處理步驟：

6、獲取國(guó)內(nèi)和國(guó)外數(shù)據(jù)，

7、其中國(guó)外數(shù)據(jù)包括：美國(guó)cpsc對(duì)我國(guó)消費(fèi)品召回信息，來(lái)源于中國(guó)技術(shù)性貿(mào)易措施網(wǎng)站、深圳市標(biāo)準(zhǔn)技術(shù)研究院；歐盟rapex對(duì)我國(guó)消費(fèi)品召回信息，來(lái)源于中國(guó)技術(shù)性貿(mào)易網(wǎng)站、深圳市標(biāo)準(zhǔn)技術(shù)研究院；加拿大衛(wèi)生部對(duì)我國(guó)消費(fèi)品召回信息，來(lái)源于中國(guó)技術(shù)貿(mào)易網(wǎng)站；

8、其中國(guó)內(nèi)數(shù)據(jù)包括：國(guó)家市場(chǎng)監(jiān)督管理總局、各省市市場(chǎng)監(jiān)督管理總局對(duì)我國(guó)產(chǎn)消費(fèi)品召回信息，來(lái)源于中國(guó)產(chǎn)品安全與召回信息網(wǎng)；消費(fèi)者對(duì)各電商平臺(tái)購(gòu)買(mǎi)商品的投訴數(shù)據(jù)，來(lái)源于黑貓投訴平臺(tái)；

9、對(duì)前述國(guó)內(nèi)和國(guó)外數(shù)據(jù)進(jìn)行預(yù)處理，包括：分句、分詞和詞性標(biāo)注；

10、步驟2、事件本體構(gòu)建步驟：圍繞人-產(chǎn)品-環(huán)境三個(gè)維度細(xì)化事件概念，關(guān)系部分為節(jié)點(diǎn)事件之間的語(yǔ)義關(guān)系和概念之間關(guān)系，概念層包括劃分的各節(jié)點(diǎn)事件，包括人因?qū)庸?jié)點(diǎn)事件、產(chǎn)品層節(jié)點(diǎn)事件、系統(tǒng)級(jí)危險(xiǎn)以及系統(tǒng)級(jí)事故；各節(jié)點(diǎn)事件下包含所涉及的細(xì)分概念層次，人因?qū)庸?jié)點(diǎn)事件對(duì)應(yīng)消費(fèi)者行為，是指消費(fèi)者直接參與到產(chǎn)品生命周期中的行為；產(chǎn)品層節(jié)點(diǎn)事件主要包括產(chǎn)品部件、產(chǎn)品安全約束以及產(chǎn)品層不安全控制行為，產(chǎn)品層不安全控制行為是指由于設(shè)計(jì)、生產(chǎn)、制造流程出現(xiàn)問(wèn)題所致產(chǎn)品存在的質(zhì)量不安全性，或由于產(chǎn)品自身特點(diǎn)所存在的風(fēng)險(xiǎn)源；系統(tǒng)級(jí)危險(xiǎn)對(duì)應(yīng)事故危險(xiǎn)環(huán)節(jié)，是指系統(tǒng)層面描述最直接導(dǎo)致事故發(fā)生的危險(xiǎn)事件，系統(tǒng)級(jí)事故對(duì)應(yīng)產(chǎn)品安全事故，是指產(chǎn)品質(zhì)量安全問(wèn)題事件最后的事故結(jié)果；環(huán)境因素是指產(chǎn)品存續(xù)期內(nèi)周?chē)h(huán)境因素，因?yàn)榄h(huán)境因素是在其他節(jié)點(diǎn)事件發(fā)生情況下存在的因素，所以故不作為單獨(dú)的節(jié)點(diǎn)事件進(jìn)行劃分；關(guān)系層中的語(yǔ)義關(guān)系是指各節(jié)點(diǎn)事件之間的因果關(guān)系、條件關(guān)系、順承關(guān)系以及并列關(guān)系，概念關(guān)系是指各節(jié)點(diǎn)事件概念下各細(xì)分概念層次之間的關(guān)系；

11、步驟3、知識(shí)圖譜構(gòu)建步驟，具體包括：

12、步驟31、事件類(lèi)型識(shí)別子步驟，具體包括：

13、(2)事件觸發(fā)詞識(shí)別篩選：利用ltp工具進(jìn)行依存句法分析，對(duì)事件語(yǔ)料中的主謂關(guān)系sbv、動(dòng)賓關(guān)系vob、前置賓語(yǔ)fob以及核心關(guān)系hed進(jìn)行抽取篩選，對(duì)表示事件類(lèi)型的核心動(dòng)詞進(jìn)行抽??；涉及核心動(dòng)詞的抽取規(guī)則為：a1.句子中某個(gè)動(dòng)詞同時(shí)是sbv主謂關(guān)系和vob動(dòng)賓關(guān)系的核心詞，則將其作為該句核心動(dòng)詞；a2.若不存在滿(mǎn)足規(guī)則1的動(dòng)詞，則將句子中hed核心關(guān)系與sbv主謂關(guān)系、vob動(dòng)賓關(guān)系、fob前置賓語(yǔ)的任意組合中的核心詞作為核心動(dòng)詞；a3.若以上兩種規(guī)則均不滿(mǎn)足，則將句中sbv主謂關(guān)系、vob動(dòng)賓關(guān)系、fob前置賓語(yǔ)中的核心詞作為核心動(dòng)詞；a4.若以上三種規(guī)則均不滿(mǎn)足，則該句子不是事件句，不進(jìn)行核心動(dòng)詞抽??；

14、(2)事件類(lèi)型識(shí)別模型：采用文本分類(lèi)任務(wù)中的經(jīng)典模型textcnn和觸發(fā)詞位置特征相結(jié)合的方法來(lái)做文本類(lèi)型的分類(lèi)任務(wù)；在進(jìn)行事件類(lèi)型識(shí)別時(shí)，將事件觸發(fā)詞位置進(jìn)行嵌入表示，和文本語(yǔ)義向量進(jìn)行拼接，進(jìn)行事件類(lèi)型識(shí)別，并觸發(fā)詞位置嵌入流程；

15、步驟32、事件關(guān)系抽取子步驟：

16、根據(jù)前述步驟將質(zhì)量安全問(wèn)題事件劃分為以事件本體為依據(jù)的節(jié)點(diǎn)事件，兩個(gè)節(jié)點(diǎn)事件構(gòu)成候選節(jié)點(diǎn)事件對(duì)，事件關(guān)系抽取即是對(duì)候選節(jié)點(diǎn)事件之間的關(guān)系進(jìn)行抽??；其中智能家居產(chǎn)品質(zhì)量安全問(wèn)題事件之間的關(guān)系包括：因果關(guān)系、條件關(guān)系、順承關(guān)系以及并列關(guān)系，其中以因果關(guān)系和條件關(guān)系為主，具有明確關(guān)系提示詞的句子在四類(lèi)關(guān)系中占多數(shù)，因此本技術(shù)實(shí)施例對(duì)因果關(guān)系和條件關(guān)系的抽取區(qū)分顯式關(guān)系和隱式關(guān)系，對(duì)于順承關(guān)系和并列關(guān)系統(tǒng)一采取隱式關(guān)系抽取方法進(jìn)行抽??；

17、對(duì)于事件關(guān)系提示詞的歸納主要來(lái)源于語(yǔ)義詞典知網(wǎng)和相關(guān)文獻(xiàn)兩個(gè)途徑，同時(shí)結(jié)合本研究領(lǐng)域的數(shù)據(jù)特點(diǎn)，篩選用于模板抽取的事件關(guān)系抽取提示詞，并構(gòu)建相應(yīng)模板匹配。在得到模板匹配后的事件關(guān)系對(duì)后，對(duì)模板匹配進(jìn)行事件對(duì)關(guān)系判別的準(zhǔn)確率進(jìn)行統(tǒng)計(jì)分析；

18、在事件隱式關(guān)系抽取中，將事件隱式關(guān)系抽取任務(wù)看成分類(lèi)任務(wù)，利用textcnn模型對(duì)事件句子對(duì)的語(yǔ)義特征進(jìn)行提取；

19、步驟33、事件要素抽取子步驟：

20、智能家居質(zhì)量安全問(wèn)題事件要素指質(zhì)量安全問(wèn)題事件發(fā)生過(guò)程中關(guān)鍵節(jié)點(diǎn)事件的描述，包括事件的實(shí)體及其屬性和事件變化具體形式；其中質(zhì)量安全問(wèn)題事件本體涉及的事件要素包括：

21、產(chǎn)品名稱(chēng)，用于表示產(chǎn)品質(zhì)量安全問(wèn)題事件中描述的產(chǎn)品名稱(chēng)；

22、產(chǎn)品部件，用于表示產(chǎn)品質(zhì)量安全問(wèn)題事件中描述的產(chǎn)品部件；

23、產(chǎn)品安全項(xiàng)目，用于表示產(chǎn)品需要滿(mǎn)足標(biāo)準(zhǔn)要求的安全項(xiàng)目；

24、安全標(biāo)準(zhǔn)，用于表示產(chǎn)品需要滿(mǎn)足的安全標(biāo)準(zhǔn)；

25、產(chǎn)品層不安全控制行為，用于表示在系統(tǒng)控制回路中產(chǎn)品的不安全控制行為，是可能導(dǎo)致系統(tǒng)風(fēng)險(xiǎn)的產(chǎn)品因素；

26、事故危險(xiǎn)環(huán)節(jié)，用于表示是指一種系統(tǒng)危險(xiǎn)狀態(tài)，在特定最不利條件下會(huì)導(dǎo)致事故；

27、環(huán)境因素，用于表示產(chǎn)品使用的外部環(huán)境狀況；

28、消費(fèi)者行為，用于表示消費(fèi)者在質(zhì)量安全問(wèn)題事件中的行為；

29、產(chǎn)品安全事故，用于表示產(chǎn)品質(zhì)量安全問(wèn)題事件中的事故；

30、在對(duì)應(yīng)節(jié)點(diǎn)事件中，對(duì)相關(guān)事件要素完成抽取并組成，即可對(duì)事件進(jìn)行完整描述，以上大部分的事件要素直接組合就完成了對(duì)語(yǔ)義的表征，但是“產(chǎn)品安全項(xiàng)目”與“安全標(biāo)準(zhǔn)”這兩個(gè)事件要素之間往往用“不符合”這個(gè)詞作為語(yǔ)義連接詞進(jìn)行事件表示，故本技術(shù)實(shí)施例在得到這兩個(gè)事件要素之后，自動(dòng)加上“不符合”詞進(jìn)行事件表示。

31、事件抽取即信息提取，可將其認(rèn)為是一個(gè)序列標(biāo)注任務(wù)。本技術(shù)實(shí)施例采用bmoes標(biāo)注體系，引入大語(yǔ)言模型標(biāo)注初始樣本，通過(guò)基于提示的微調(diào)方法輔助完成事件要素的標(biāo)注過(guò)程，首先構(gòu)建對(duì)大語(yǔ)言模型的相關(guān)提示問(wèn)答模板，引導(dǎo)大語(yǔ)言模型理解事件要素的語(yǔ)義含義；其次構(gòu)建適當(dāng)?shù)臉?biāo)注范例，輔助大語(yǔ)言模型進(jìn)行學(xué)習(xí)；在得到大語(yǔ)言模型的標(biāo)注結(jié)果后，結(jié)合領(lǐng)域知識(shí)進(jìn)行人工審核校對(duì)；

32、步驟34、事件泛化子步驟：

33、為了進(jìn)一步得到質(zhì)量安全問(wèn)題事件領(lǐng)域的領(lǐng)域事件特點(diǎn)及演化關(guān)系，將對(duì)各節(jié)點(diǎn)事件進(jìn)行泛化，從而總結(jié)得到質(zhì)量安全問(wèn)題事件領(lǐng)域演化特征。本技術(shù)實(shí)施例采用事件綜合相似度計(jì)算對(duì)節(jié)點(diǎn)事件進(jìn)行泛化，綜合相似度計(jì)算同時(shí)考慮事件描述句相似度和事件要素相似度。事件描述句相似度采用余弦距離的相似度對(duì)事件描述句語(yǔ)義相似度進(jìn)行計(jì)算。通過(guò)bert編碼對(duì)事件描述句進(jìn)行向量化表示，采用余弦距離來(lái)計(jì)算事件描述句相似度，公式如(5)所示，其中v1k和v2k分別表示事件e1和e2的表示向量。

34、

35、事件要素相似度采用兩個(gè)事件句所有事件要素之間的jaccard系數(shù)對(duì)事件要素相似度進(jìn)行衡量。jaccard系數(shù)是指兩個(gè)集合x(chóng)和y交集元素的個(gè)數(shù)在x、y并集中所占的比例，事件要素jaccard系數(shù)計(jì)算公式如(6)所示，其中x指節(jié)點(diǎn)事件e1的事件要素，y指節(jié)點(diǎn)事件e2的事件要素。

36、

37、在得到事件描述相似度結(jié)果和事件要素相似度結(jié)果之后，進(jìn)行事件綜合相似度計(jì)算，計(jì)算公式如下，將事件綜合相似度結(jié)果高于閾值0.5的事件對(duì)，進(jìn)行節(jié)點(diǎn)事件的泛化。

38、sim(e1,e2)＝0.6*simsem(e1,e2)+0.4*siment(e1,e2)?(7)

39、在對(duì)事件進(jìn)行相似度融合之后，需要對(duì)泛化后的抽象事件節(jié)點(diǎn)進(jìn)行命名，主要基于原事件節(jié)點(diǎn)描述的公共部分，同時(shí)結(jié)合領(lǐng)域知識(shí)，進(jìn)行抽象事件節(jié)點(diǎn)命名，最終得到各節(jié)點(diǎn)事件類(lèi)型對(duì)應(yīng)的抽象節(jié)點(diǎn)包括：產(chǎn)品層事件、系統(tǒng)級(jí)危險(xiǎn)、人因?qū)邮录?、系統(tǒng)級(jí)事故；

40、步驟33、事件轉(zhuǎn)移概率計(jì)算子步驟：

41、基于泛化后的事件節(jié)點(diǎn)，以事件之間的因果關(guān)系為主，計(jì)算因果事件之間的轉(zhuǎn)移概率，公式如(8)所示，其中count(ei，ej)表示事件ei發(fā)生且事件ej發(fā)生的頻數(shù)，∑kcount(ei，ek)表示在ei事件發(fā)生的前提下所有可能發(fā)生的事件數(shù)量

42、

43、其中，所述方法還包括：

44、步驟4、知識(shí)圖譜展示步驟，具體包括：

45、步驟41、抽象事理圖譜展示子步驟

46、采用gephi作為抽象事理圖譜的可視化工具，將因果關(guān)系的事件泛化結(jié)果存入csv文件，導(dǎo)入gephi實(shí)現(xiàn)可視化；抽象事理圖譜中，不同顏色表明不同節(jié)點(diǎn)事件類(lèi)型，綠色代表產(chǎn)品層事件，紫色代表系統(tǒng)級(jí)危險(xiǎn)節(jié)點(diǎn)事件，藍(lán)色代表人因?qū)邮录?，橙色代表系統(tǒng)級(jí)事故節(jié)點(diǎn)事件。通過(guò)抽象事理圖譜，可以清晰地看出智能家居質(zhì)量安全問(wèn)題事件中入度和出度較大的節(jié)點(diǎn)事件，這些事件代表的演化路徑往往是需要重點(diǎn)關(guān)注的演化路徑，分別根據(jù)節(jié)點(diǎn)入度和出度大小進(jìn)行節(jié)點(diǎn)大小展示，同時(shí)將轉(zhuǎn)移概率大小作為邊的權(quán)重進(jìn)行展示，邊的權(quán)重越大則邊越粗，從而進(jìn)行演化路徑分析，分析結(jié)果有助于智能家居的生產(chǎn)廠(chǎng)商掌握質(zhì)量安全問(wèn)題事件發(fā)展脈絡(luò)和內(nèi)在聯(lián)系；

47、步驟42、事理知識(shí)圖譜展示

48、neo4j是一個(gè)高性能圖數(shù)據(jù)庫(kù)，它將結(jié)構(gòu)化的數(shù)據(jù)存儲(chǔ)在圖中；基于neo4j圖數(shù)據(jù)庫(kù)本身自帶的可視化平臺(tái)可以很好地完成圖譜的可視化，可以將存儲(chǔ)在數(shù)據(jù)庫(kù)中的數(shù)據(jù)很好的實(shí)現(xiàn)可視化，同時(shí)，neo4j提供了用戶(hù)友好的web界面，可以進(jìn)行增改、查詢(xún)等相關(guān)操作。將訓(xùn)練標(biāo)注數(shù)據(jù)以及抽取數(shù)據(jù)導(dǎo)入neo4j數(shù)據(jù)庫(kù)，共導(dǎo)入6652個(gè)三元組，借助cypher語(yǔ)言將所獲取的三元組以csv格式導(dǎo)入neo4j，實(shí)現(xiàn)智能家居質(zhì)量安全問(wèn)題事理圖譜的存儲(chǔ)和可視化。

49、本技術(shù)的上述技術(shù)方案的有益效果如下：上述技術(shù)方案涉及智能家居質(zhì)量安全領(lǐng)域，構(gòu)建智能家居質(zhì)量安全問(wèn)題事理知識(shí)圖譜，為智能家居產(chǎn)品設(shè)計(jì)、生產(chǎn)制造和維修保養(yǎng)等領(lǐng)域提供知識(shí)輔助，自頂向下對(duì)智能家居質(zhì)量安全領(lǐng)域事件進(jìn)行抽取，基于智能家居質(zhì)量安全問(wèn)題事件本體，按照事理圖譜構(gòu)建流程依次完成事件類(lèi)型識(shí)別、事件關(guān)系以及事件要素抽取，并進(jìn)行事件泛化構(gòu)建抽象事理圖譜，對(duì)智能家居質(zhì)量安全問(wèn)題事件進(jìn)行事件演化邏輯分析；最后將致因事件鏈和事件知識(shí)抽取結(jié)果放入圖數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)，實(shí)現(xiàn)事理知識(shí)圖譜的可視化，以輔助現(xiàn)存智能家居產(chǎn)品優(yōu)化改進(jìn)，提升產(chǎn)品質(zhì)量，降低產(chǎn)品使用風(fēng)險(xiǎn)以提升產(chǎn)品安全性。本技術(shù)實(shí)施例面向智能家居質(zhì)量安全問(wèn)題領(lǐng)域，爬取智能家居質(zhì)量安全問(wèn)題事件，分析智能家居質(zhì)量安全問(wèn)題領(lǐng)域數(shù)據(jù)特征，進(jìn)行了質(zhì)量安全問(wèn)題事件本體構(gòu)建、事件類(lèi)型識(shí)別、事件及事件關(guān)系抽取、事件泛化以及事件轉(zhuǎn)移概率計(jì)算等方面的研究，以圖譜形式實(shí)現(xiàn)了事件可視化。