CN114707004B - 基于图像模型和语言模型的事理关系抽取处理方法及*** - Google Patents

基于图像模型和语言模型的事理关系抽取处理方法及*** Download PDF

Info

Publication number
CN114707004B
CN114707004B CN202210569919.7A CN202210569919A CN114707004B CN 114707004 B CN114707004 B CN 114707004B CN 202210569919 A CN202210569919 A CN 202210569919A CN 114707004 B CN114707004 B CN 114707004B
Authority
CN
China
Prior art keywords
event
main body
dimensional
information
type information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210569919.7A
Other languages
English (en)
Other versions
CN114707004A (zh
Inventor
龚小刚
王艺丹
赵帅
陈建
张辰
章九鼎
陈祖歌
王红凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Zhejiang Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Zhejiang Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210569919.7A priority Critical patent/CN114707004B/zh
Publication of CN114707004A publication Critical patent/CN114707004A/zh
Application granted granted Critical
Publication of CN114707004B publication Critical patent/CN114707004B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于图像模型和语言模型的事理关系抽取处理方法及***，包括：基于语言模型提取事件类型信息、以及每个事件类型信息所对应的第二事件主体；选中与事件类型信息相对应的第二事件主体，确定所述第一事件主体和所选中的第二事件主体之间的逻辑图像，基于神经网络模型对逻辑图像进行识别得到事件逻辑信息；根据第一事件主体、第二事件主体之间的事件类型信息、事件逻辑信息生成事理关系图谱；确定事理关系图谱中相对应的一维事件类型信息、一维事件逻辑信息，根据一维事件逻辑信息确定相应的第二事件主体为一级动作事件主体；一级动作事件主体和/或二级动作事件主体根据相应的一维事件类型信息和/或二维事件类型信息进行动作。

Description

基于图像模型和语言模型的事理关系抽取处理方法及***
技术领域
本发明涉及自然语言处理技术领域，尤其涉及基于图像模型和语言模型的事理关系抽取处理方法及***。
背景技术
事件是人类社会的核心概念之一，人们的社会活动往往是事件驱动的。事件之间在时间、空间上相继发生的演化规律和模式是一种十分有价值的知识。事理关系即为事件之间的关系，事件的关系可以是基于事件的主体来得到的，在电网***中，事件的主体较多，在第一主体出现某第一事件后，基于第一事件的主体关系可能会伴随产生其他主体的多个第二事件。
公开号为CN110110870A的中国专利，公开了一种基于事件图谱技术的设备故障智能监控方法，其虽然是利用图谱进行电力设备的故障检测、监测，进行故障溯源分析、维修分析，但是并无法在多个主体之间进行事理关系的分析，无法针对某个主体出现故障后进行自动、高效的协调处理。
例如某个发电站作为第一主体出现故障后，则此时会伴随着其他多个主体产生相应的事件，例如第一个第二主体会对发电站进行维修，第二个第二主体进行调度供电，对第一主体所供电区域进行供电处理，在现有技术中，以上的协同、调度都需要人工进行操作，无法根据事理关系进行自动协调、调动，导致事件处理效率较低。
发明内容
本发明实施例提供一种基于图像模型和语言模型的事理关系抽取处理方法及***，能够在某个主体出现突发事件后，能够自动的协同、调度多个其他的主体进行处理，提高事件处理效率。
本发明实施例的第一方面，提供一种基于图像模型和语言模型的事理关系抽取处理方法，包括：
获取第一事件主体基于事理关系模板所上传的事理关系数据，基于语言模型提取所述事理关系数据中的事件类型信息、以及每个事件类型信息所对应的第二事件主体；
在识别到其中一个事件类型信息时，选中与所述事件类型信息相对应的第二事件主体，确定所述第一事件主体和所选中的第二事件主体之间的逻辑图像，基于神经网络模型对所述逻辑图像进行识别得到事件逻辑信息；
根据所有的第一事件主体、第二事件主体之间的事件类型信息、事件逻辑信息生成事理关系图谱；
接收任意一个第一事件主体上传的突发事件信息，根据所述第一事件主体和突发事件信息确定事理关系图谱中相对应的一维事件类型信息、一维事件逻辑信息，根据所述一维事件逻辑信息确定相应的第二事件主体为一级动作事件主体；
抽取所有的一级动作事件主体，确定一级动作事件主体与所述一维事件类型信息相对应的二维事件类型信息、二维事件逻辑信息，根据所述二维事件类型信息、二维事件逻辑信息抽取相应的二级动作事件主体，所述一级动作事件主体和/或二级动作事件主体根据相应的一维事件类型信息和/或二维事件类型信息进行动作；
若所述一级动作事件主体和二级动作事件主体的动作不满足预设要求，则制定演习计划。
可选地，在第一方面的一种可能实现方式中，所述获取第一事件主体基于事理关系模板所上传的事理关系数据，包括：
在第一事件主体处初始化原始关系模板，所述原始关系模板包括至少一个第一主体空位和一个第二主体空位，所述第一主体空位和第二主体空位之间设置有事件类型空位，所述第一主体空位和第二主体空位之间设置有可供选择的多个逻辑图像，每个逻辑图像具有与其对应的事件逻辑信息；
接收第一事件主体的事理关系配置信息，根据所述事理关系配置信息对所述原始关系模板进行填充得到事理关系数据。
可选地，在第一方面的一种可能实现方式中，所述接收第一事件主体的事理关系配置信息，根据所述事理关系配置信息对所述原始关系模板进行填充得到事理关系数据，包括：
将第一事件主体填充至所述原始关系模板的第一主体空位；
提取所述事理关系配置信息中所有的第二事件主体，在原始关系模板中建立与所有的第二事件主体相对应的第二主体空位得到事理关系模板，将所述第二事件主体填充至所述第二主体空位内；
提取所述事理关系配置信息中所有的第二事件主体分别对应的事件类型信息，将所述事件类型信息填充至事件类型空位；
提取所述事理关系配置信息中的选择信息，根据所述选择信息选择第一主体空位和第二主体空位之间的逻辑图像；
基于所有的第一主体空位、第二主体空位、事件类型空位以及逻辑图像得到事理关系数据。
可选地，在第一方面的一种可能实现方式中，所述基于所有的第一主体空位、第二主体空位、事件类型空位以及逻辑图像得到事理关系数据，包括：
若判断存在重复的第二主体空位，则获取重复的第二主体空位所对应的所有重复的逻辑图像；
若判断重复的逻辑图像完全相同，则保留其中一个第二主体空位，将其余的第二主体空位、第二主体空位所对应的事件类型空位、逻辑图像删除；
选中所保留的第二主体空位处的事件类型空位，根据删除的第二主体空位的数量，在选中的事件类型空位的下部建立相应数量的新的事件类型空位；
将所删除的事件类型空位内的事件类型信息分别填充至新的事件类型空位内；
根据第一主体空位、第二主体空位、先前的事件类型空位、新的事件类型空位以及逻辑图像得到事理关系数据。
可选地，在第一方面的一种可能实现方式中，若判断不存在重复的第二主体空位，则根据当前的第一主体空位、第二主体空位、事件类型空位以及逻辑图像得到事理关系数据。
可选地，在第一方面的一种可能实现方式中，所述根据所有的第一事件主体、第二事件主体之间的事件类型信息、事件逻辑信息生成事理关系图谱，包括：
根据所有的第一事件主体建立初始化图谱，所述初始化图谱中具有每个第一事件主体所对应的节点；
确定每个第一事件主体相对应的第二事件主体，根据事件类型信息和事件逻辑信息将第一事件主体的节点与相应的第二事件主体的节点相连接；
在判断所有第一事件主体的节点分别与相对应的第二事件主体的节点连接后，生成事理关系图谱。
可选地，在第一方面的一种可能实现方式中，所述接收任意一个第一事件主体上传的突发事件信息，根据所述第一事件主体和突发事件信息确定事理关系图谱中相对应的一维事件类型信息、一维事件逻辑信息，根据所述一维事件逻辑信息确定相应的第二事件主体为一级动作事件主体，还包括：
获取上传突发事件信息的第一事件主体所对应的突发节点，根据所述突发事件信息的属性确定相对应的一维事件类型信息；
确定与所述一维事件类型信息相对应的一维事件逻辑信息，根据所述一维事件逻辑信息确定与所述第一事件主体相对应的第二事件主体；
将所述第二事件主体作为一级动作事件主体，所述第二事件主体所对应的节点作为一级动作节点。
可选地，在第一方面的一种可能实现方式中，所述抽取所有的一级动作事件主体，确定一级动作事件主体与所述一维事件类型信息相对应的二维事件类型信息、二维事件逻辑信息，根据所述二维事件类型信息、二维事件逻辑信息抽取相应的二级动作事件主体，所述一级动作事件主体和/或二级动作事件主体根据相应的一维事件类型信息和/或二维事件类型信息进行动作，包括：
根据所述一维事件类型信息的属性得到一级动作事件主体中相对应的二维事件类型信息；
确定与所述二维事件类型信息相对应的二维事件逻辑信息，根据二维事件逻辑信息确定与所述一级动作节点相对应的二级动作节点；
抽取所述二级动作节点所对应的第二事件主体作为二级动作事件主体。
可选地，在第一方面的一种可能实现方式中，所述若所述一级动作事件主体和二级动作事件主体的动作不满足预设要求，则制定演习计划，包括：
统计所有一级动作节点得到一级节点数量，统计所有二级动作节点得到二级节点数量；
获取所有一级动作节点完成所述一维事件类型信息所对应的一维响应时间，获取所有二级动作节点完成所述二维事件类型信息所对应的二维响应时间；
根据所述一级节点数量、二级节点数量、一维响应时间以及二维响应时间进行计算得到突发事件信息所对应的处理系数；
Figure DEST_PATH_IMAGE001
其中，
Figure 28247DEST_PATH_IMAGE002
为计算处理系数，
Figure 353794DEST_PATH_IMAGE003
为第一归一化值，
Figure 733872DEST_PATH_IMAGE004
为标准数量值，
Figure 683986DEST_PATH_IMAGE005
为一级权 重，
Figure 807277DEST_PATH_IMAGE006
为第
Figure 777812DEST_PATH_IMAGE007
个一级动作节点的一维响应时间，
Figure 305354DEST_PATH_IMAGE008
为第
Figure 255947DEST_PATH_IMAGE007
个一级动作节点的标准响应 时间，
Figure 308830DEST_PATH_IMAGE009
为一级动作节点数量的上限值，
Figure 843665DEST_PATH_IMAGE010
为一级节点数量，
Figure 100002_DEST_PATH_IMAGE011
为二级权重，
Figure 770470DEST_PATH_IMAGE012
为第
Figure 327135DEST_PATH_IMAGE013
个二级动作节点的二维响应时间，
Figure 793495DEST_PATH_IMAGE014
为第
Figure 983694DEST_PATH_IMAGE013
个二级动作节点的标准响应时间，
Figure 391322DEST_PATH_IMAGE015
为二级 动作节点数量的上限值，
Figure 803325DEST_PATH_IMAGE016
为二级节点数量；
若判断所述处理系数大于预设系数，则判断一级动作事件主体和二级动作事件主体的动作不满足预设要求，对所抽取的一级动作事件主体、二级动作事件主体制定演习计划。
本发明实施例的第二方面，提供一种基于图像模型和语言模型的事理关系抽取处理***，包括：
提取模块，用于获取第一事件主体基于事理关系模板所上传的事理关系数据，基于语言模型提取所述事理关系数据中的事件类型信息、以及每个事件类型信息所对应的第二事件主体；
识别模块，用于在识别到其中一个事件类型信息时，选中与所述事件类型信息相对应的第二事件主体，确定所述第一事件主体和所选中的第二事件主体之间的逻辑图像，基于神经网络模型对所述逻辑图像进行识别得到事件逻辑信息；
生成模块，用于根据所有的第一事件主体、第二事件主体之间的事件类型信息、事件逻辑信息生成事理关系图谱；
确定模块，用于接收任意一个第一事件主体上传的突发事件信息，根据所述第一事件主体和突发事件信息确定事理关系图谱中相对应的一维事件类型信息、一维事件逻辑信息，根据所述一维事件逻辑信息确定相应的第二事件主体为一级动作事件主体；
抽取模块，用于抽取所有的一级动作事件主体，确定一级动作事件主体与所述一维事件类型信息相对应的二维事件类型信息、二维事件逻辑信息，根据所述二维事件类型信息、二维事件逻辑信息抽取相应的二级动作事件主体，所述一级动作事件主体和/或二级动作事件主体根据相应的一维事件类型信息和/或二维事件类型信息进行动作；
制定模块，用于若所述一级动作事件主体和二级动作事件主体的动作不满足预设要求，则制定演习计划。
本发明实施例的第三方面，提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种基于图像模型和语言模型的事理关系抽取处理方法及***。能够根据事理关系模板得到每个第一事件主体上传的事理关系数据，根据语言模型和神经网络模型对相应的信息进行识别，构建事理关系图谱，使得多个事件主体能够根据相应的事件类型信息、事件逻辑信息在多个事件主体之间建立相应的联系。本发明会根据事理关系图谱对突发事件信息进行处理，快速的确定相应的一级动作事件主体和二级动作事件主体，使得相应的一级动作事件主体和二级动作事件主体快速进行响应，参与相应突发事件的处理，提高多个主体协作时的处理效率，不需要进行协作的主体则不需要进行准备，避免资源浪费。
本发明提供的技术方案，会根据不同的第一事件主体的事理关系配置信息对原始关系模板进行处理，在原始关系模板处建立相应的空位得到每个第一事件主体唯一对应的事理关系模板，本发明会对每个事理关系模板中具有相同逻辑图像的相同第二事件主体进行合并处理，进而有效降低事理关系模板中的空位数量，并且使得用户易于通过事理关系模板确定与第一事件主体联系较多的第二事件主体，降低数据存储量、数据处理量的同时，易于用户掌握第一事件主体与多个第二事件主体之间的关系。
本发明可以通过事理关系图谱对突发事件信息进行处理，并且结合事理关系图谱中各个节点的关系确定相应的一级动作事件主体和二级动作事件主体，使得本发明能够在出现突发事件后，能够根据节点的关系自动确定直接处理的一级动作事件主体，也可以确定间接处理的二级动作事件主体，提高了动作事件主体的确定效率，提高突发事件的解决效率。本发明会根据一级节点数量、二级节点数量、一维响应时间以及二维响应时间进行综合的计算得到处理系数，通过处理系数来评判多个动作节点处理该突发事件时的响应速度，根据该处理系数判断是否制定相应的演习计划，避免在后续发生类似事件时依旧效率较低，提高多个事件节点、事件主体、动作主体之间的联动处理能力、效率。
附图说明
图1为本发明基于图像模型和语言模型的事理关系抽取处理方法的第一种实施方式的流程图；
图2为本发明基于图像模型和语言模型的事理关系抽取处理方法的第二种实施方式的流程图；
图3为本发明基于图像模型和语言模型的事理关系抽取处理***的第一种实施方式的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供了基于图像模型和语言模型的事理关系抽取处理方法，如图1所示，包括：
步骤S110、获取第一事件主体基于事理关系模板所上传的事理关系数据，基于语言模型提取所述事理关系数据中的事件类型信息、以及每个事件类型信息所对应的第二事件主体。本发明首先会得到第一事件主体基于事理关系模板所上传的事理关系数据，并根据语言模型提取相应的信息。第一事件主体可以是发电站，事件类型信息可以是发电站的火力发电机出现故障，事件类型信息以及事件类型信息所对应的第二事件主体可以是多个，第1个第二事件主体可以是维修班组，第2个第二事件主体可以是其他的发电站。通过维修班组可以对出现故障的发电站进行维修，通过其他的发电站可以代替出现故障的发电站进行发电，对相应的用电区域进行供电。
每个第一事件主体可以对应一个输入终端，输入终端例如电脑、平板、手机等设备，通过输入终端上传相应的事理关系数据至服务器，服务器获取第一事件主体基于事理关系模板所上传的事理关系数据并进行相应的处理。
本发明提供的技术方案，在一个可能的实施方式中，如图2所示，步骤S110包括：
步骤S1101、在第一事件主体处初始化原始关系模板，所述原始关系模板包括至少一个第一主体空位和一个第二主体空位，所述第一主体空位和第二主体空位之间设置有事件类型空位，所述第一主体空位和第二主体空位之间设置有可供选择的多个逻辑图像，每个逻辑图像具有与其对应的事件逻辑信息。本发明会首先在每个第一事件主体处进行原始关系模板的初始化处理，此时的原始关系模板只会包括一个第二主体空位，由于不同类型的第一事件主体其所对应的第二事件主体的数量可能是不同的，所以本发明在原始关系模板中只会设置一个第二主体空位。在第一主体空位和第二主体空位之间设置有事件类型空位。
第一主体空位、第二主体空位以及事件类型空位可以是输入相应的文字，例如第一主体空位可以输入的文字是发电站A等等。逻辑图像是原始关系模板中预先设置的图像，可以是箭头的形式，例如“→”等等，例如第一主体空位→第二主体空位，即可以理解为是在第一主体空位所对应的第一事件主体发生相应的事件类型信息时，需要通过第二主体空位所对应的第二事件主体进行响应的处理。逻辑图像既可以看作是两个事件主体之间的对应关系。
步骤S1102、接收第一事件主体的事理关系配置信息，根据所述事理关系配置信息对所述原始关系模板进行填充得到事理关系数据。本发明会根据事理关系配置信息对原始关系模板进行处理、填充，得到相对应的事理关系数据。可以这样理解，事理关系配置信息可以是第一事件主体处的工作人员主动配置的。
本发明提供的技术方案，在一个可能的实施方式中，步骤S1102包括：
将第一事件主体填充至所述原始关系模板的第一主体空位。每个原始关系模板只具有一个第一事件主体，如上所说，第一事件主体可以是发电站A，此时即会将发电站A填充到相应的第一主体空位内。
提取所述事理关系配置信息中所有的第二事件主体，在原始关系模板中建立与所有的第二事件主体相对应的第二主体空位得到事理关系模板，将所述第二事件主体填充至所述第二主体空位内。本发明会根据第二事件主体的数量在原始关系模板处建立新的第二主体空位，进而使得第一事件主体所对应的所有第二事件主体都具有与其相对应的第二主体空位，第二事件主体可以是发电站B，此时即会将发电站B填充到相应的第二主体空位内。
提取所述事理关系配置信息中所有的第二事件主体分别对应的事件类型信息，将所述事件类型信息填充至事件类型空位。事件类型信息例如包括发电故障，则此时会将发电故障填充至事件类型空位。
提取所述事理关系配置信息中的选择信息，根据所述选择信息选择第一主体空位和第二主体空位之间的逻辑图像。由于逻辑图像是预先设置的，所以用户可以基于选择信息对逻辑图像进行选择，例如由第一主体空位指向第二主体空位，此时第一主体空位和第二主体空位之间即具有朝向第二主体空位的箭头。
基于所有的第一主体空位、第二主体空位、事件类型空位以及逻辑图像得到事理关系数据。此时的事理关系数据即可以是一个第一事件主体所对应的事理关系数据。
本发明提供的技术方案，在一个可能的实施方式中，所述基于所有的第一主体空位、第二主体空位、事件类型空位以及逻辑图像得到事理关系数据，包括：
若判断存在重复的第二主体空位，则获取重复的第二主体空位所对应的所有重复的逻辑图像。用户在进行第二事件主体的配置时，第一事件主体在出现多种类型的事件类型信息时，可能会具有相同的第二事件主体，所以此时会存在重复的第二主体空位，本发明会确定重复的第二主体空位所对应的所有重复的逻辑图像。
若判断重复的逻辑图像完全相同，则保留其中一个第二主体空位，将其余的第二主体空位、第二主体空位所对应的事件类型空位、逻辑图像删除。可以理解的是，此时一个第二事件主体与相应的第一事件主体之间存在多个相同的事件逻辑信息、不同的事件类型信息。所以此时可以只保留一个第二主体空位，将其余的第二主体空位、第二主体空位所对应的事件类型空位、逻辑图像删除，降低事理关系模板的空位数量、数据量。
选中所保留的第二主体空位处的事件类型空位，根据删除的第二主体空位的数量，在选中的事件类型空位的下部建立相应数量的新的事件类型空位。本发明会在选中的事件类型空位的下部建立相应数量的新的事件类型空位，使得多个不同的事件类型信息能够被填充至不同的事件类型空位内，相同的第二主体空位、相同的逻辑图像只保留一个。
将所删除的事件类型空位内的事件类型信息分别填充至新的事件类型空位内。本发明会将相应的事件类型信息分别填充至新的事件类型空位内，使得所有的事件类型信息能够分别存储于相应的事件类型空位内。
根据第一主体空位、第二主体空位、先前的事件类型空位、新的事件类型空位以及逻辑图像得到事理关系数据。此时事件类型空位会包括两种，本发明会根据第两种事件类型空位得到事理关系数据，有效降低了事理关系数据的数据量值和空位数量。
本发明提供的技术方案，在一个可能的实施方式中，若判断不存在重复的第二主体空位，则根据当前的第一主体空位、第二主体空位、事件类型空位以及逻辑图像得到事理关系数据。此时不需要将多个第二主体空位进行合并，只具有一种事件类型空位。所以，可以直接得到事理关系数据。
在得到事理关系数据后，本发明会基于语言模型提取所述事理关系数据中的事件类型信息、以及每个事件类型信息所对应的第二事件主体。由于事件类型信息、第二事件主体都是文字，所以可以基于语言模型进行识别，得到相应的信息。
步骤S120、在识别到其中一个事件类型信息时，选中与所述事件类型信息相对应的第二事件主体，确定所述第一事件主体和所选中的第二事件主体之间的逻辑图像，基于神经网络模型对所述逻辑图像进行识别得到事件逻辑信息。在通过语言模型确定到一个事件类型信息时，本发明会确定该事件类型信息相对应的第二事件主体，并且确定相应的逻辑图像，通过神经网络模型对所述逻辑图像进行识别得到事件逻辑信息，逻辑图像可以是箭头指向，如上所说，箭头如果为第一事件主体指向第二事件主体，则在发生相应类型的事件类型信息时，第二事件主体进行响应。箭头如果为第二事件主体指向第一事件主体，则在第二事件主体发生相应类型的事件类型信息时，第一事件主体进行响应。神经网络模型可以是具有图像识别功能的卷积神经网络模型，事件逻辑信息可以是如上所说的在发生相应类型的事件类型信息时，第二事件主体进行响应，或在发生相应类型的事件类型信息时，第一事件主体进行响应。
步骤S130、根据所有的第一事件主体、第二事件主体之间的事件类型信息、事件逻辑信息生成事理关系图谱。事理关系图谱会具有多个第一事件主体，以及多个第一事件主体和/或第二事件主体之间的关系。第一事件主体和第二事件主体是相对的关系，例如发电站A处的输入终端作为第一事件主体，则发电站B处的输入终端作为第二事件主体。如果发电站B处的输入终端作为第一事件主体，则发电站A处的输入终端则可能作为第一事件主体。
本发明提供的技术方案，在一个可能的实施方式中，步骤S130包括：
根据所有的第一事件主体建立初始化图谱，所述初始化图谱中具有每个第一事件主体所对应的节点。本发明会首先根据所有的第一事件主体建立初始化图谱，可以这样理解，每个输入终端都可以看作是一个第一事件主体，即每个第二事件主体在也可以转化看为相应的第一事件主体，如上所说第一事件主体只是相对于第二事件主体输入终端的视角不同。每个初始化图谱中具有每个第一事件主体所对应的节点，节点的数量与第一事件主体的数量是相同的。
确定每个第一事件主体相对应的第二事件主体，根据事件类型信息和事件逻辑信息将第一事件主体的节点与相应的第二事件主体的节点相连接。本发明会以每个第一事件主体的视角出发，确定每个相对应的第二事件主体，结合事件类型信息和事件逻辑信息将第一事件主体的节点、第二事件主体的节点相连接，此时即会具有多个第一事件主体的连接关系。
在判断所有第一事件主体的节点分别与相对应的第二事件主体的节点连接后，生成事理关系图谱。在所有的第一事件主体分别与相应的第二事件主体连接后，则此时的事理关系图谱已经达到完全连接的状态。
步骤S140、接收任意一个第一事件主体上传的突发事件信息，根据所述第一事件主体和突发事件信息确定事理关系图谱中相对应的一维事件类型信息、一维事件逻辑信息，根据所述一维事件逻辑信息确定相应的第二事件主体为一级动作事件主体。在某一个主体发生突发事件后，相应的主体的输入终端会作为第一事件主体上传突发事件信息，此时服务器会根据第一事件主体和突发事件信息确定事理关系图谱中相对应的一维事件类型信息、一维事件逻辑信息，例如第一事件主体为发电站A，突发事件信息为发电电机故障，相应的一维事件类型信息即可以是发电电机故障，一维事件逻辑信息即可以是需要班组C进行维修处理，此时的班组C所对应的主体即为第二事件主体，班组C也为一级动作事件主体，一级动作事件主体可以看作是直接对突发事件信息的事件进行处理的主体。
本发明提供的技术方案，在一个可能的实施方式中，步骤S140包括：
获取上传突发事件信息的第一事件主体所对应的突发节点，根据所述突发事件信息的属性确定相对应的一维事件类型信息。本发明会首先将第一事件主体在事理关系图谱中的节点作为突发节点，根据突发事件信息的属性确定相对应的一维事件类型信息，此时的突发事件信息的属性即可以理解为是发电电机故障属性。此时会得到相应的一维事件类型信息，即发电电机故障，需要对发电电机进行维修。
确定与所述一维事件类型信息相对应的一维事件逻辑信息，根据所述一维事件逻辑信息确定与所述第一事件主体相对应的第二事件主体。本发明会根据一维事件逻辑信息确定与所述第一事件主体相对应的第二事件主体，即确定相应的班组C。
将所述第二事件主体作为一级动作事件主体，所述第二事件主体所对应的节点作为一级动作节点。由于班组C是直接对突发事件信息所对应的事件进行直接处理的主体，所以此时第二事件主体作为一级动作事件主体，所述第二事件主体所对应的节点作为一级动作节点。
步骤S150、抽取所有的一级动作事件主体，确定一级动作事件主体与所述一维事件类型信息相对应的二维事件类型信息、二维事件逻辑信息，根据所述二维事件类型信息、二维事件逻辑信息抽取相应的二级动作事件主体，所述一级动作事件主体和/或二级动作事件主体根据相应的一维事件类型信息和/或二维事件类型信息进行动作。本发明在得到所有的一级动作事件主体后，会得到一级动作事件主体与所述一维事件类型信息相对应的二维事件类型信息，例如一维事件类型信息为发电电机故障，需要进行维修，此时的二维事件类型信息即可以是准备新的发电电机部件，此时会确定与准备新的发电电机部件所对应的二维事件逻辑信息，此时可能会根据二维事件类型信息、二维事件逻辑信息确定相对应的二级动作事件主体，二级动作事件主体可以是准备新的发电电机部件的后勤部门D。可以这样理解，二级动作事件主体并不是直接处理突发事件信息所对应的事件，而是以间接的方式进行处理。本发明可以通过事理关系图谱快速的确定直接、间接处理突发事件信息所对应的事件的主体，提高了主体的确定效率。
本发明提供的技术方案，在一个可能的实施方式中，步骤S150包括：
根据所述一维事件类型信息的属性得到一级动作事件主体中相对应的二维事件类型信息。一维事件类型信息的属性可以是发电电机故障，需要进行维修，此时二维事件类型信息可以是需要准备新的发电电机部件。
确定与所述二维事件类型信息相对应的二维事件逻辑信息，根据二维事件逻辑信息确定与所述一级动作节点相对应的二级动作节点。本发明会根据二维事件类型信息相对应的二维事件逻辑信息，即此时二维事件逻辑信息即可以是箭头，箭头由一级动作事件主体指向二级动作事件主体。一级动作事件主体在事理关系图谱中即对应一级动作节点，二级动作事件主体在事理关系图谱中即对应二级动作节点。
抽取所述二级动作节点所对应的第二事件主体作为二级动作事件主体。本发明会抽取一级动作事件主体和二级动作事件主体，使得一级动作事件主体和二级动作事件主体按照相应的事件类型信息进行相应的协同处理操作，以快速、高效的解决突发事件。
步骤S160、若所述一级动作事件主体和二级动作事件主体的动作不满足预设要求，则制定演习计划。
本发明提供的技术方案，在一个可能的实施方式中，步骤S160包括：
统计所有一级动作节点得到一级节点数量，统计所有二级动作节点得到二级节点 数量。本发明会得到一级节点数量和二级节点数量，一级节点数量和二级节点数量越多，则 证明所需要协同、参与事件处理的节点越多。所以本发明可以根据一级节点数量和二级节 点数量进行综合计算，得到对处理系数的偏移值，通过
Figure 61657DEST_PATH_IMAGE017
得到处理系数的偏移值，如果 一级节点数量和二级节点数量越多，则证明所涉及到的主体就越多，所以此时处理系数的 偏移值就会越大，进而导致处理系数具有变大的趋势。
获取所有一级动作节点完成所述一维事件类型信息所对应的一维响应时间，获取所有二级动作节点完成所述二维事件类型信息所对应的二维响应时间。一维响应时间可以看作是一级动作节点完成所述一维事件类型信息，例如说维修发电站A的发电电机的时间，二维事件类型信息所对应的二维响应时间可以是准备新的发电电机部件的时间等等。
根据所述一级节点数量、二级节点数量、一维响应时间以及二维响应时间进行计算得到突发事件信息所对应的处理系数。本发明会结合一级节点数量、二级节点数量、一维响应时间以及二维响应时间进行多维度的融合计算，得到关于对突发事件信息进行处理的、融合多个维度的处理系数。
通过以下公式计算处理系数，
Figure 118081DEST_PATH_IMAGE018
其中，
Figure 821245DEST_PATH_IMAGE019
为计算处理系数，
Figure 349495DEST_PATH_IMAGE020
为第一归一化值，
Figure 564182DEST_PATH_IMAGE021
为标准数量值，
Figure 611466DEST_PATH_IMAGE022
为一级权 重，
Figure 586727DEST_PATH_IMAGE023
为第
Figure 848687DEST_PATH_IMAGE024
个一级动作节点的一维响应时间，
Figure 222992DEST_PATH_IMAGE025
为第
Figure 412532DEST_PATH_IMAGE024
个一级动作节点的标准响应时 间，
Figure 841852DEST_PATH_IMAGE026
为一级动作节点数量的上限值，
Figure 87981DEST_PATH_IMAGE027
为一级节点数量，
Figure 898255DEST_PATH_IMAGE028
为二级权重，
Figure 274790DEST_PATH_IMAGE029
为第
Figure 124279DEST_PATH_IMAGE013
个 二级动作节点的二维响应时间，
Figure 208168DEST_PATH_IMAGE030
为第
Figure 161824DEST_PATH_IMAGE013
个二级动作节点的标准响应时间，
Figure 533812DEST_PATH_IMAGE015
为二级动 作节点数量的上限值，
Figure 168581DEST_PATH_IMAGE031
为二级节点数量。
通过
Figure 859807DEST_PATH_IMAGE032
可以得到所有一级动作节点的一维响应时间与标准响 应时间之间的差值，如果
Figure 249112DEST_PATH_IMAGE033
越大，则证明所有的一级动作节点的响应时 间越长，通过
Figure 315892DEST_PATH_IMAGE034
可以得到所有一级动作节点的平均处理差值时间。通过
Figure 8649DEST_PATH_IMAGE035
可以得到所有二级动作节点的二维响应时间与标准响应时间之间 的差值，如果
Figure 90567DEST_PATH_IMAGE036
越大，则证明所有的二级动作节点的响应时间越长，通 过
Figure 368448DEST_PATH_IMAGE037
可以得到所有二级动作节点的平均处理差值时间。通过偏移值
Figure 207703DEST_PATH_IMAGE038
对
Figure 568232DEST_PATH_IMAGE039
所计算的值进行偏移处理，得到最终的处 理系数，处理系数越大，则证明相应的多个一级动作节点和二级动作节点对突发事件的处 理效率越低。
若判断所述处理系数大于预设系数，则判断一级动作事件主体和二级动作事件主体的动作不满足预设要求，对所抽取的一级动作事件主体、二级动作事件主体制定演习计划。在处理系数大于预设系数时，则证明此时一级动作节点和二级动作节点对突发事件的处理已经过低，需要对相应的突发事件进行练习，所以本发明会对所抽取的一级动作事件主体、二级动作事件主体制定演习计划，进行相应的训练。演习计划可以是按照突发事件信息再次重新处理一次相应的故障。
为了实现本发明提供的基于图像模型和语言模型的事理关系抽取处理方法，本发明还提供了基于图像模型和语言模型的事理关系抽取处理***，如图3所示，包括：
提取模块，用于获取第一事件主体基于事理关系模板所上传的事理关系数据，基于语言模型提取所述事理关系数据中的事件类型信息、以及每个事件类型信息所对应的第二事件主体；
识别模块，用于在识别到其中一个事件类型信息时，选中与所述事件类型信息相对应的第二事件主体，确定所述第一事件主体和所选中的第二事件主体之间的逻辑图像，基于神经网络模型对所述逻辑图像进行识别得到事件逻辑信息；
生成模块，用于根据所有的第一事件主体、第二事件主体之间的事件类型信息、事件逻辑信息生成事理关系图谱；
确定模块，用于接收任意一个第一事件主体上传的突发事件信息，根据所述第一事件主体和突发事件信息确定事理关系图谱中相对应的一维事件类型信息、一维事件逻辑信息，根据所述一维事件逻辑信息确定相应的第二事件主体为一级动作事件主体；
抽取模块，用于抽取所有的一级动作事件主体，确定一级动作事件主体与所述一维事件类型信息相对应的二维事件类型信息、二维事件逻辑信息，根据所述二维事件类型信息、二维事件逻辑信息抽取相应的二级动作事件主体，所述一级动作事件主体和/或二级动作事件主体根据相应的一维事件类型信息和/或二维事件类型信息进行动作。
本发明还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元（英文：Central Processing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：Digital Signal Processor，简称：DSP）、专用集成电路（英文：Application SpecificIntegrated Circuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.基于图像模型和语言模型的事理关系抽取处理方法，其特征在于，包括：
获取第一事件主体基于事理关系模板所上传的事理关系数据，基于语言模型提取所述事理关系数据中的事件类型信息、以及每个事件类型信息所对应的第二事件主体；
在识别到其中一个事件类型信息时，选中与所述事件类型信息相对应的第二事件主体，确定所述第一事件主体和所选中的第二事件主体之间的逻辑图像，基于神经网络模型对所述逻辑图像进行识别得到事件逻辑信息；
根据所有的第一事件主体、第二事件主体之间的事件类型信息、事件逻辑信息生成事理关系图谱；
接收任意一个第一事件主体上传的突发事件信息，根据所述第一事件主体和突发事件信息确定事理关系图谱中相对应的一维事件类型信息、一维事件逻辑信息，根据所述一维事件逻辑信息确定相应的第二事件主体为一级动作事件主体；
抽取所有的一级动作事件主体，确定一级动作事件主体与所述一维事件类型信息相对应的二维事件类型信息、二维事件逻辑信息，根据所述二维事件类型信息、二维事件逻辑信息抽取相应的二级动作事件主体，所述一级动作事件主体和二级动作事件主体根据相应的一维事件类型信息和二维事件类型信息进行动作；
若所述一级动作事件主体和二级动作事件主体的动作不满足预设要求，则制定演习计划；
所述根据所有的第一事件主体、第二事件主体之间的事件类型信息、事件逻辑信息生成事理关系图谱，包括：
根据所有的第一事件主体建立初始化图谱，所述初始化图谱中具有每个第一事件主体所对应的节点；
确定每个第一事件主体相对应的第二事件主体，根据事件类型信息和事件逻辑信息将第一事件主体的节点与相应的第二事件主体的节点相连接；
在判断所有第一事件主体的节点分别与相对应的第二事件主体的节点连接后，生成事理关系图谱；
所述接收任意一个第一事件主体上传的突发事件信息，根据所述第一事件主体和突发事件信息确定事理关系图谱中相对应的一维事件类型信息、一维事件逻辑信息，根据所述一维事件逻辑信息确定相应的第二事件主体为一级动作事件主体，还包括：
获取上传突发事件信息的第一事件主体所对应的突发节点，根据所述突发事件信息的属性确定相对应的一维事件类型信息；
确定与所述一维事件类型信息相对应的一维事件逻辑信息，根据所述一维事件逻辑信息确定与所述第一事件主体相对应的第二事件主体；
将所述第二事件主体作为一级动作事件主体，所述第二事件主体所对应的节点作为一级动作节点；
所述抽取所有的一级动作事件主体，确定一级动作事件主体与所述一维事件类型信息相对应的二维事件类型信息、二维事件逻辑信息，根据所述二维事件类型信息、二维事件逻辑信息抽取相应的二级动作事件主体，所述一级动作事件主体和二级动作事件主体根据相应的一维事件类型信息和二维事件类型信息进行动作，包括：
根据所述一维事件类型信息的属性得到一级动作事件主体中相对应的二维事件类型信息；
确定与所述二维事件类型信息相对应的二维事件逻辑信息，根据二维事件逻辑信息确定与所述一级动作节点相对应的二级动作节点；
抽取所述二级动作节点所对应的第二事件主体作为二级动作事件主体；
所述若所述一级动作事件主体和二级动作事件主体的动作不满足预设要求，则制定演习计划，包括：
统计所有一级动作节点得到一级节点数量，统计所有二级动作节点得到二级节点数量；
获取所有一级动作节点完成所述一维事件类型信息所对应的一维响应时间，获取所有二级动作节点完成所述二维事件类型信息所对应的二维响应时间；
根据所述一级节点数量、二级节点数量、一维响应时间以及二维响应时间进行计算得到突发事件信息所对应的处理系数；
Figure 60079DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为计算处理系数，
Figure 43209DEST_PATH_IMAGE004
为第一归一化值，
Figure DEST_PATH_IMAGE005
为标准数量值，
Figure 159064DEST_PATH_IMAGE006
为一级权重，
Figure DEST_PATH_IMAGE007
为 第
Figure DEST_PATH_IMAGE009
个一级动作节点的一维响应时间，
Figure 47386DEST_PATH_IMAGE010
为第
Figure 742940DEST_PATH_IMAGE009
个一级动作节点的标准响应时间，
Figure DEST_PATH_IMAGE011
为一级 动作节点数量的上限值，
Figure 829845DEST_PATH_IMAGE012
为一级节点数量，
Figure DEST_PATH_IMAGE013
为二级权重，
Figure 647760DEST_PATH_IMAGE014
为第
Figure DEST_PATH_IMAGE015
个二级动作节点的 二维响应时间，
Figure 429902DEST_PATH_IMAGE016
为第
Figure 991464DEST_PATH_IMAGE015
个二级动作节点的标准响应时间，
Figure DEST_PATH_IMAGE017
为二级动作节点数量的上限 值，
Figure 339400DEST_PATH_IMAGE018
为二级节点数量；
若判断所述处理系数大于预设系数，则判断一级动作事件主体和二级动作事件主体的动作不满足预设要求，对所抽取的一级动作事件主体、二级动作事件主体制定演习计划。
2.根据权利要求1所述的基于图像模型和语言模型的事理关系抽取处理方法，其特征在于，
所述获取第一事件主体基于事理关系模板所上传的事理关系数据，包括：
在第一事件主体处初始化原始关系模板，所述原始关系模板包括至少一个第一主体空位和一个第二主体空位，所述第一主体空位和第二主体空位之间设置有事件类型空位，所述第一主体空位和第二主体空位之间设置有可供选择的多个逻辑图像，每个逻辑图像具有与其对应的事件逻辑信息；
接收第一事件主体的事理关系配置信息，根据所述事理关系配置信息对所述原始关系模板进行填充得到事理关系数据。
3.根据权利要求2所述的基于图像模型和语言模型的事理关系抽取处理方法，其特征在于，
所述接收第一事件主体的事理关系配置信息，根据所述事理关系配置信息对所述原始关系模板进行填充得到事理关系数据，包括：
将第一事件主体填充至所述原始关系模板的第一主体空位；
提取所述事理关系配置信息中所有的第二事件主体，在原始关系模板中建立与所有的第二事件主体相对应的第二主体空位得到事理关系模板，将所述第二事件主体填充至所述第二主体空位内；
提取所述事理关系配置信息中所有的第二事件主体分别对应的事件类型信息，将所述事件类型信息填充至事件类型空位；
提取所述事理关系配置信息中的选择信息，根据所述选择信息选择第一主体空位和第二主体空位之间的逻辑图像；
基于所有的第一主体空位、第二主体空位、事件类型空位以及逻辑图像得到事理关系数据。
4.根据权利要求3所述的基于图像模型和语言模型的事理关系抽取处理方法，其特征在于，
所述基于所有的第一主体空位、第二主体空位、事件类型空位以及逻辑图像得到事理关系数据，包括：
若判断存在重复的第二主体空位，则获取重复的第二主体空位所对应的所有重复的逻辑图像；
若判断重复的逻辑图像完全相同，则保留其中一个第二主体空位，将其余的第二主体空位、第二主体空位所对应的事件类型空位、逻辑图像删除；
选中所保留的第二主体空位处的事件类型空位，根据删除的第二主体空位的数量，在选中的事件类型空位的下部建立相应数量的新的事件类型空位；
将所删除的事件类型空位内的事件类型信息分别填充至新的事件类型空位内；
根据第一主体空位、第二主体空位、先前的事件类型空位、新的事件类型空位以及逻辑图像得到事理关系数据。
5.根据权利要求4所述的基于图像模型和语言模型的事理关系抽取处理方法，其特征在于，
若判断不存在重复的第二主体空位，则根据当前的第一主体空位、第二主体空位、事件类型空位以及逻辑图像得到事理关系数据。
6.基于图像模型和语言模型的事理关系抽取处理***，该***适用于权利要求1~5中任意一项所述的基于图像模型和语言模型的事理关系抽取处理方法，其特征在于，包括：
提取模块，用于获取第一事件主体基于事理关系模板所上传的事理关系数据，基于语言模型提取所述事理关系数据中的事件类型信息、以及每个事件类型信息所对应的第二事件主体；
识别模块，用于在识别到其中一个事件类型信息时，选中与所述事件类型信息相对应的第二事件主体，确定所述第一事件主体和所选中的第二事件主体之间的逻辑图像，基于神经网络模型对所述逻辑图像进行识别得到事件逻辑信息；
生成模块，用于根据所有的第一事件主体、第二事件主体之间的事件类型信息、事件逻辑信息生成事理关系图谱；
确定模块，用于接收任意一个第一事件主体上传的突发事件信息，根据所述第一事件主体和突发事件信息确定事理关系图谱中相对应的一维事件类型信息、一维事件逻辑信息，根据所述一维事件逻辑信息确定相应的第二事件主体为一级动作事件主体；
抽取模块，用于抽取所有的一级动作事件主体，确定一级动作事件主体与所述一维事件类型信息相对应的二维事件类型信息、二维事件逻辑信息，根据所述二维事件类型信息、二维事件逻辑信息抽取相应的二级动作事件主体，所述一级动作事件主体和二级动作事件主体根据相应的一维事件类型信息和二维事件类型信息进行动作；
制定模块，用于若所述一级动作事件主体和二级动作事件主体的动作不满足预设要求，则制定演习计划；
所述根据所有的第一事件主体、第二事件主体之间的事件类型信息、事件逻辑信息生成事理关系图谱，包括：
根据所有的第一事件主体建立初始化图谱，所述初始化图谱中具有每个第一事件主体所对应的节点；
确定每个第一事件主体相对应的第二事件主体，根据事件类型信息和事件逻辑信息将第一事件主体的节点与相应的第二事件主体的节点相连接；
在判断所有第一事件主体的节点分别与相对应的第二事件主体的节点连接后，生成事理关系图谱；
所述接收任意一个第一事件主体上传的突发事件信息，根据所述第一事件主体和突发事件信息确定事理关系图谱中相对应的一维事件类型信息、一维事件逻辑信息，根据所述一维事件逻辑信息确定相应的第二事件主体为一级动作事件主体，还包括：
获取上传突发事件信息的第一事件主体所对应的突发节点，根据所述突发事件信息的属性确定相对应的一维事件类型信息；
确定与所述一维事件类型信息相对应的一维事件逻辑信息，根据所述一维事件逻辑信息确定与所述第一事件主体相对应的第二事件主体；
将所述第二事件主体作为一级动作事件主体，所述第二事件主体所对应的节点作为一级动作节点；
所述抽取所有的一级动作事件主体，确定一级动作事件主体与所述一维事件类型信息相对应的二维事件类型信息、二维事件逻辑信息，根据所述二维事件类型信息、二维事件逻辑信息抽取相应的二级动作事件主体，所述一级动作事件主体和二级动作事件主体根据相应的一维事件类型信息和二维事件类型信息进行动作，包括：
根据所述一维事件类型信息的属性得到一级动作事件主体中相对应的二维事件类型信息；
确定与所述二维事件类型信息相对应的二维事件逻辑信息，根据二维事件逻辑信息确定与所述一级动作节点相对应的二级动作节点；
抽取所述二级动作节点所对应的第二事件主体作为二级动作事件主体；
所述若所述一级动作事件主体和二级动作事件主体的动作不满足预设要求，则制定演习计划，包括：
统计所有一级动作节点得到一级节点数量，统计所有二级动作节点得到二级节点数量；
获取所有一级动作节点完成所述一维事件类型信息所对应的一维响应时间，获取所有二级动作节点完成所述二维事件类型信息所对应的二维响应时间；
根据所述一级节点数量、二级节点数量、一维响应时间以及二维响应时间进行计算得到突发事件信息所对应的处理系数；
Figure DEST_PATH_IMAGE019
其中，
Figure 593795DEST_PATH_IMAGE003
为计算处理系数，
Figure 320356DEST_PATH_IMAGE004
为第一归一化值，
Figure 606981DEST_PATH_IMAGE005
为标准数量值，
Figure 950369DEST_PATH_IMAGE006
为一级权重，
Figure 375665DEST_PATH_IMAGE007
为 第
Figure 116088DEST_PATH_IMAGE009
个一级动作节点的一维响应时间，
Figure 957136DEST_PATH_IMAGE010
为第
Figure 201036DEST_PATH_IMAGE009
个一级动作节点的标准响应时间，
Figure 407020DEST_PATH_IMAGE011
为一级 动作节点数量的上限值，
Figure 634739DEST_PATH_IMAGE012
为一级节点数量，
Figure 13899DEST_PATH_IMAGE013
为二级权重，
Figure 456513DEST_PATH_IMAGE014
为第
Figure 879404DEST_PATH_IMAGE015
个二级动作节点的 二维响应时间，
Figure 79572DEST_PATH_IMAGE016
为第
Figure 777270DEST_PATH_IMAGE015
个二级动作节点的标准响应时间，
Figure 949757DEST_PATH_IMAGE017
为二级动作节点数量的上限 值，
Figure 809128DEST_PATH_IMAGE018
为二级节点数量；
若判断所述处理系数大于预设系数，则判断一级动作事件主体和二级动作事件主体的动作不满足预设要求，对所抽取的一级动作事件主体、二级动作事件主体制定演习计划。
CN202210569919.7A 2022-05-24 2022-05-24 基于图像模型和语言模型的事理关系抽取处理方法及*** Active CN114707004B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210569919.7A CN114707004B (zh) 2022-05-24 2022-05-24 基于图像模型和语言模型的事理关系抽取处理方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210569919.7A CN114707004B (zh) 2022-05-24 2022-05-24 基于图像模型和语言模型的事理关系抽取处理方法及***

Publications (2)

Publication Number Publication Date
CN114707004A CN114707004A (zh) 2022-07-05
CN114707004B true CN114707004B (zh) 2022-08-16

Family

ID=82176617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210569919.7A Active CN114707004B (zh) 2022-05-24 2022-05-24 基于图像模型和语言模型的事理关系抽取处理方法及***

Country Status (1)

Country Link
CN (1) CN114707004B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114969382B (zh) * 2022-07-19 2022-10-21 国网浙江省电力有限公司信息通信分公司 基于事理图谱事件链推理的实体生成方法

Citations (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5920828A (en) * 1997-06-02 1999-07-06 Baker Hughes Incorporated Quality control seismic data processing system
CN107018095A (zh) * 2017-03-29 2017-08-04 西安电子科技大学 基于离散事件的交换单元仿真***及方法
CN107908671A (zh) * 2017-10-25 2018-04-13 南京擎盾信息科技有限公司 基于法律数据的知识图谱构建方法及***
CN108052576A (zh) * 2017-12-08 2018-05-18 国家计算机网络与信息安全管理中心 一种事理知识图谱构建方法及***
CN110110870A (zh) * 2019-06-05 2019-08-09 厦门邑通软件科技有限公司 一种基于事件图谱技术的设备故障智能监控方法
CN110781317A (zh) * 2019-10-29 2020-02-11 北京明略软件***有限公司 事件图谱的构建方法、装置及电子设备
CN110955575A (zh) * 2019-11-14 2020-04-03 国网浙江省电力有限公司信息通信分公司 一种基于关联分析模型的业务***故障定位方法
CN110968700A (zh) * 2019-11-01 2020-04-07 数地科技(北京)有限公司 一种融合多类事理与实体知识的领域事件图谱构建方法和装置
CN110968699A (zh) * 2019-11-01 2020-04-07 数地科技(北京)有限公司 一种基于事理推荐的逻辑图谱构建及预警方法和装置
CN111639494A (zh) * 2020-04-20 2020-09-08 北京大学 案件事理关系确定方法及***
CN111768077A (zh) * 2020-05-28 2020-10-13 国网浙江省电力有限公司绍兴供电公司 一种基于知识图谱的电网跳闸事件智能识别方法
CN112487207A (zh) * 2020-12-09 2021-03-12 Oppo广东移动通信有限公司 图像的多标签分类方法、装置、计算机设备及存储介质
CN112905801A (zh) * 2021-02-08 2021-06-04 携程旅游信息技术（上海）有限公司 基于事件图谱的行程预测方法、***、设备及存储介质
CN112966079A (zh) * 2021-03-02 2021-06-15 中国电子科技集团公司第二十八研究所 一种用于对话***的面向事件画像的文本分析方法
CN113268591A (zh) * 2021-04-17 2021-08-17 中国人民解放军战略支援部队信息工程大学 基于事理图谱的空中目标意图判证方法及***
CN113379214A (zh) * 2021-06-02 2021-09-10 国网福建省电力有限公司 基于事理图谱的电网事故信息自动填报及辅助决策的方法
WO2021175009A1 (zh) * 2020-03-02 2021-09-10 深圳壹账通智能科技有限公司 预警事件图谱的构建方法、装置、设备及存储介质
CN113407726A (zh) * 2020-11-02 2021-09-17 中科嘉速（北京）信息技术有限公司 一种应急处置预案方法和***
WO2021189971A1 (zh) * 2020-10-26 2021-09-30 平安科技（深圳）有限公司 基于知识图谱表征学习的医疗方案推荐***及方法
CN113535739A (zh) * 2021-09-16 2021-10-22 国网浙江省电力有限公司信息通信分公司 一种基于电网能源数据的数据集市层表建立方法
CN113590824A (zh) * 2021-07-30 2021-11-02 平安科技（深圳）有限公司 因果事理图谱的构建方法、装置及相关设备
WO2021254457A1 (zh) * 2020-06-17 2021-12-23 第四范式（北京）技术有限公司 构建知识图谱的方法及装置、计算机装置及存储介质
CN113961678A (zh) * 2021-09-15 2022-01-21 北京三快在线科技有限公司 一种基于事理图谱的智能对话方法和装置
CN114020936A (zh) * 2022-01-06 2022-02-08 北京融信数联科技有限公司 多模态事理图谱的构建方法、***和可读存储介质
CN114064937A (zh) * 2022-01-14 2022-02-18 云孚科技(北京)有限公司 一种事理图谱自动构建方法和***
CN114090794A (zh) * 2021-11-29 2022-02-25 中国平安人寿保险股份有限公司 基于人工智能的事理图谱构建方法及相关设备
CN114153988A (zh) * 2021-12-02 2022-03-08 青岛科技大学 基于事理图谱的化工异常事件检测方法及***
CN114281972A (zh) * 2021-12-28 2022-04-05 亿迅信息技术有限公司 基于主体对象跟踪和认知推理的对话控制方法、***存储介质和服务器
CN114398500A (zh) * 2022-01-29 2022-04-26 哈尔滨工业大学 一种基于图增强预训练模型的事件预测方法
CN114417004A (zh) * 2021-11-10 2022-04-29 南京邮电大学 一种知识图谱和事理图谱的融合方法、装置和***
CN114429126A (zh) * 2021-12-17 2022-05-03 中国石油大学(华东) 一种基于强化学习和事理知识图谱的真假消息鉴别方法
WO2022088526A1 (zh) * 2020-10-30 2022-05-05 南京师范大学 地理知识获取方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10803133B2 (en) * 2013-04-29 2020-10-13 Moogsoft Inc. System for decomposing events from managed infrastructures that includes a reference tool signalizer
US10013653B2 (en) * 2016-01-26 2018-07-03 Università della Svizzera italiana System and a method for learning features on geometric domains
CN111428049B (zh) * 2020-03-20 2023-07-21 北京百度网讯科技有限公司 一种事件专题的生成方法、装置、设备和存储介质

Patent Citations (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5920828A (en) * 1997-06-02 1999-07-06 Baker Hughes Incorporated Quality control seismic data processing system
CN107018095A (zh) * 2017-03-29 2017-08-04 西安电子科技大学 基于离散事件的交换单元仿真***及方法
CN107908671A (zh) * 2017-10-25 2018-04-13 南京擎盾信息科技有限公司 基于法律数据的知识图谱构建方法及***
CN108052576A (zh) * 2017-12-08 2018-05-18 国家计算机网络与信息安全管理中心 一种事理知识图谱构建方法及***
CN110110870A (zh) * 2019-06-05 2019-08-09 厦门邑通软件科技有限公司 一种基于事件图谱技术的设备故障智能监控方法
WO2020244262A1 (zh) * 2019-06-05 2020-12-10 厦门邑通软件科技有限公司 一种基于事件图谱技术的设备故障智能监控方法
CN110781317A (zh) * 2019-10-29 2020-02-11 北京明略软件***有限公司 事件图谱的构建方法、装置及电子设备
CN110968700A (zh) * 2019-11-01 2020-04-07 数地科技(北京)有限公司 一种融合多类事理与实体知识的领域事件图谱构建方法和装置
CN110968699A (zh) * 2019-11-01 2020-04-07 数地科技(北京)有限公司 一种基于事理推荐的逻辑图谱构建及预警方法和装置
CN110955575A (zh) * 2019-11-14 2020-04-03 国网浙江省电力有限公司信息通信分公司 一种基于关联分析模型的业务***故障定位方法
WO2021175009A1 (zh) * 2020-03-02 2021-09-10 深圳壹账通智能科技有限公司 预警事件图谱的构建方法、装置、设备及存储介质
CN111639494A (zh) * 2020-04-20 2020-09-08 北京大学 案件事理关系确定方法及***
CN111768077A (zh) * 2020-05-28 2020-10-13 国网浙江省电力有限公司绍兴供电公司 一种基于知识图谱的电网跳闸事件智能识别方法
WO2021254457A1 (zh) * 2020-06-17 2021-12-23 第四范式（北京）技术有限公司 构建知识图谱的方法及装置、计算机装置及存储介质
WO2021189971A1 (zh) * 2020-10-26 2021-09-30 平安科技（深圳）有限公司 基于知识图谱表征学习的医疗方案推荐***及方法
WO2022088526A1 (zh) * 2020-10-30 2022-05-05 南京师范大学 地理知识获取方法
CN113407726A (zh) * 2020-11-02 2021-09-17 中科嘉速（北京）信息技术有限公司 一种应急处置预案方法和***
CN112487207A (zh) * 2020-12-09 2021-03-12 Oppo广东移动通信有限公司 图像的多标签分类方法、装置、计算机设备及存储介质
CN112905801A (zh) * 2021-02-08 2021-06-04 携程旅游信息技术（上海）有限公司 基于事件图谱的行程预测方法、***、设备及存储介质
CN112966079A (zh) * 2021-03-02 2021-06-15 中国电子科技集团公司第二十八研究所 一种用于对话***的面向事件画像的文本分析方法
CN113268591A (zh) * 2021-04-17 2021-08-17 中国人民解放军战略支援部队信息工程大学 基于事理图谱的空中目标意图判证方法及***
CN113379214A (zh) * 2021-06-02 2021-09-10 国网福建省电力有限公司 基于事理图谱的电网事故信息自动填报及辅助决策的方法
CN113590824A (zh) * 2021-07-30 2021-11-02 平安科技（深圳）有限公司 因果事理图谱的构建方法、装置及相关设备
CN113961678A (zh) * 2021-09-15 2022-01-21 北京三快在线科技有限公司 一种基于事理图谱的智能对话方法和装置
CN113535739A (zh) * 2021-09-16 2021-10-22 国网浙江省电力有限公司信息通信分公司 一种基于电网能源数据的数据集市层表建立方法
CN114417004A (zh) * 2021-11-10 2022-04-29 南京邮电大学 一种知识图谱和事理图谱的融合方法、装置和***
CN114090794A (zh) * 2021-11-29 2022-02-25 中国平安人寿保险股份有限公司 基于人工智能的事理图谱构建方法及相关设备
CN114153988A (zh) * 2021-12-02 2022-03-08 青岛科技大学 基于事理图谱的化工异常事件检测方法及***
CN114429126A (zh) * 2021-12-17 2022-05-03 中国石油大学(华东) 一种基于强化学习和事理知识图谱的真假消息鉴别方法
CN114281972A (zh) * 2021-12-28 2022-04-05 亿迅信息技术有限公司 基于主体对象跟踪和认知推理的对话控制方法、***存储介质和服务器
CN114020936A (zh) * 2022-01-06 2022-02-08 北京融信数联科技有限公司 多模态事理图谱的构建方法、***和可读存储介质
CN114064937A (zh) * 2022-01-14 2022-02-18 云孚科技(北京)有限公司 一种事理图谱自动构建方法和***
CN114398500A (zh) * 2022-01-29 2022-04-26 哈尔滨工业大学 一种基于图增强预训练模型的事件预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Anatomical object recognition and labeling by atlas-based focused non-rigid registration and region-growing;Leiguang Gong 等;《2008 International Conference on Audio, Language and Image Processing》;20081231;全文 *
基于数据科学思维的情报事理逻辑揭示与科学解读;刘如等;《情报理论与实践》;20180314(第08期);全文 *

Also Published As

Publication number Publication date
CN114707004A (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN110472090B (zh) 基于语义标签的图像检索方法以及相关装置、存储介质
CN104778173B (zh) 目标用户确定方法、装置及设备
CN114707004B (zh) 基于图像模型和语言模型的事理关系抽取处理方法及***
CN111242019B (zh) 视频内容的检测方法、装置、电子设备以及存储介质
CN111522735B (zh) 测试实验的分流方法及装置
CN110490237B (zh) 数据处理方法、装置、存储介质及电子设备
CN115423353A (zh) 配电网资源的消纳调度方法、装置、电子设备及存储介质
CN116862454B (zh) 一种室内建筑设计管理方法及***
CN111967620A (zh) 一种光伏组件诊断方法、装置、设备及可读存储介质
CN110502670A (zh) 基于人工智能的网络社交关系知识图谱生成方法和***
CN112561303B (zh) 基于集成学习和电网拓扑变化的电力***动态分析方法
CN109359675A (zh) 图像处理方法及设备
CN117112902A (zh) 一种基于多模态对比学习的离线强化学习商品推荐***
CN116739408A (zh) 基于数据标签的电网调度安全监控方法、***及电子设备
CN116522131A (zh) 对象表示方法、装置、电子设备及计算机可读存储介质
CN116166910A (zh) 一种社交媒体账号粉丝水军检测方法、***、设备和介质
CN113673229A (zh) 一种电力营销数据交互方法、***及存储介质
CN106529801A (zh) 服务组合候选集构建方法及***
CN112199290A (zh) 基于机器学习的ui元素定位方法及***
CN112270296A (zh) 一种基于云平台的智慧城市可视化管理***及方法
CN116562653B (zh) 一种分布式能源台区线损监测方法及***
CN111125536A (zh) 信息推送方法、装置、计算机设备及存储介质
CN116993307B (zh) 一种具有人工智能学习能力的协同办公方法及***
CN114677184B (zh) 基于经营决策辅助模型的数据处理方法及平台
CN110784862A (zh) 一种基于用户通联数据的移动用户影响力评估方法和***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant