CN116541503B - 一种燃气输配***应急处置辅助决策*** - Google Patents
一种燃气输配***应急处置辅助决策*** Download PDFInfo
- Publication number
- CN116541503B CN116541503B CN202310655572.2A CN202310655572A CN116541503B CN 116541503 B CN116541503 B CN 116541503B CN 202310655572 A CN202310655572 A CN 202310655572A CN 116541503 B CN116541503 B CN 116541503B
- Authority
- CN
- China
- Prior art keywords
- gas
- emergency treatment
- knowledge graph
- query
- question
- 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
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 62
- 238000010276 construction Methods 0.000 claims abstract description 19
- 230000002452 interceptive effect Effects 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 239000007789 gas Substances 0.000 abstract description 191
- 239000002737 fuel gas Substances 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000003993 interaction Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Animal Behavior & Ethology (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明以燃气事故发生后需要进行快速处置的迫切需求为背景，提供了一种燃气输配***应急处置辅助决策***。该***包括：交互界面***用于在燃气应急处置知识图谱构建***、燃气应急处置知识图谱问答***和文件管理***与用户之间提供信息交互界面；燃气应急处置知识图谱构建***用于通过收集到的燃气事故案例构建燃气应急处置知识图谱，并进行可视化存储；文件管理***用于存储燃气应急处置资源信息等；燃气应急处置知识图谱问答***用于接收用户根据燃气事故类型提出的查询请求，根据查询请求构建Cypher查询语句，利用Cypher查询语句在Neo4j知识图谱数据库及MYSQL数据库中进行查询，得出查询请求对应的处置措施及资源，并将答案通过交互界面***返回给用户。
Description
技术领域
本发明涉及燃气应急处置技术领域，尤其涉及一种燃气输配***应急处置辅助决策***。
背景技术
知识图谱是一种基于知识工程和图论的人工智能方法与技术，旨在将现实世界中的各种知识与信息组织成为一张结构化图谱，以便机器可以更好地理解和利用这些知识。知识图谱可以为人类提供更智能化的服务和决策支持，在企业、政府、医疗和教育等各个领域，有着广泛的应用前景。基于知识图谱的辅助决策被应用与诸多领域，例如在医疗领域中，通过建立建立医学语料库，构建医疗知识图谱，并基于知识图谱建立智能问诊路径，构建医疗问诊辅助决策***，提升了医生问诊速度与效率，实现了医疗领域中医生问诊的辅助决策。
有学者在梳理历史人物数字资源组织及知识问答***相关研究的基础之上，构建了红色历史人物知识图谱Schema与KBQA(Knowledge Base Question Answering)架构，从数据获取、知识抽取、知识融合、图谱生成和知识问答五个环节搭建了红色历史人物问答模型，提升了用户知识服务体验。还有学者设计了基于知识图谱的个性化推荐方法流程，构建了用户兴趣模型，提出一种基于领域知识图谱的协同过滤算法，利用知识图谱对石油勘探领域知识进行有效分类和描述，解决了传统协同过滤推荐算法中的聚类和冷启动等问题。达到了较好的推荐效果。还有学者结合人工智能标记语言(Artificial IntelligenceMarkup Language，AIML)和图算法，构建配电网调度故障知识图谱，实现配电网调度故障的辅助知识问答、案例匹配以及业务推荐等。
随着人工智能的快速兴起与大数据信息技术的发展，智慧燃气的思想已逐步走入燃气行业，也是燃气行业未来的发展所需，事故现场的处置迫切需要迈入智能化智慧化处理阶段。有学者通过提取燃气事故案例特征属性，将案例推理技术应用于燃气应急处置决策当中，通过对源案例和目标案例进行分析，开发了图形化信息***，对燃气突发事件应急决策方案的制定和优选提供了一定的技术支持，但不满足对事故处置的时效性需求。还有学者提出了燃气突发事件应急处置的知识图谱构建方法，为后期进行完整的应急处置管。
目前，现有技术中的燃气应急处置方案的缺点包括：
(1)针对燃气事故应急处置主要依赖现场工作人员及事故调度中心人员的处置经验，不能对事故现场进行智能化处置。
(2)大部分处置措施及应急处置资源以文本的形式进行存储，没有形成完整的处置流程。
(3)事故现场的处置存在着时效性差的问题。
发明内容
本发明的实施例提供了一种燃气输配***应急处置辅助决策***，以实现为燃气输配***事故应急处置辅助决策提供有效支持。
为了实现上述目的，本发明采取了如下技术方案。
一种燃气输配***应急处置辅助决策***，包括：燃气应急处置知识图谱构建***、燃气应急处置知识图谱问答***、文件管理***和交互界面***：
所述的交互界面***，用于在所述燃气应急处置知识图谱构建***、燃气应急处置知识图谱问答***和文件管理***与用户之间提供信息交互界面；
所述的燃气应急处置知识图谱构建***，用于通过收集到的燃气事故案例构建燃气应急处置知识图谱，将所述燃气应急处置知识图谱传输给所述文件管理***；
所述的文件管理***，用于通过Neo4j知识图谱数据库存储燃气应急处置知识图谱；
所述的燃气应急处置知识图谱问答***，用于接收用户根据燃气事故类型提出的查询请求，根据所述查询请求构建Cypher查询语句，利用所述Cypher查询语句在所述Neo4j知识图谱数据库中进行查询，得出所述查询请求对应的答案，将所述答案通过所述交互界面***返回给用户。
优选地，所述的燃气应急处置知识图谱构建***，用于通过燃气公司和燃气事故网站收集燃气事故应急处置案例，对燃气事故应急处置案例进行知识抽取，该知识抽取包括实体抽取、关系抽取和属性抽取，将抽取到的燃气事故应急处置案例的实体、关系和属性进行筛选，保留符合事故背景信息与处置方法要求的实体、关系和属性三元组作为燃气应急处置知识图谱，该燃气应急处置知识图谱中一个节点表示一个实体，节点之间的边表示关系，两个节点与之相关联的一条边形成一个三元组，将所述燃气应急处置知识图谱通过所述文件管理***存入到Neo4j知识图谱数据库中。
优选地，所述的燃气应急处置知识图谱问答***包括：
燃气应急处置资料数据库管理模块，用于构建和存储燃气输配***应急处置资料MySQL数据库，该燃气输配***应急处置资料MySQL数据库中存储燃气事故案例、燃气事故领结图、燃气事故应急处置资源、燃气行业法律标准、燃气事故应急预案和事故分析报告，利用Django框架与HTTP/DNS通讯协议与燃气应急处置专业词表管理模块进行数据通信；
所述的燃气应急处置专业词表管理模块，用于将Neo4j知识图谱数据库中的燃气应急处置知识节点关系与燃气输配***应急处置资料MySQL数据库进行结合，构建燃气应急处置专业词表，将所述燃气应急处置专业词表存储在文件管理***中的MySQL数据库中；
所述的查询请求处理模块，用于提供用户对燃气事故相关问题的查询功能，提供关键字查询、时间查询、作者查询与分类四种查询方式，将用户提出的查询请求中的问题类别与实体数据传入预先定义的查询模板进行匹配判断，通过Python语言中的占位符传入字符参数，生成Cypher查询语句，将分词处理后的Cypher查询语句根据句子中出现的词性顺序进行问句模板匹配，将问句模板匹配处理后的Cypher语句在所述燃气应急处置专业词表中进行知识图谱的遍历查询，得到所述查询请求对应的答案，将所述答案返回给用户。
优选地，所述的查询请求处理模块，还用于对所述燃气应急处置知识图谱中的三元组进行分析，归纳出知识图谱问答***中用户提出的问题意图类别，针对不同问题的类型进行语义设计与解析，将问题词整理成问题词词表，当用户提出查询请求时，通过多模式匹配算法将所述查询请求对应的Cypher语句与所述问题词词表进行关键词匹配，利用匹配出的问题词遍历所述燃气应急处置专业词表中的数据，得到所述查询请求对应的答案；
查询模板的分类如下述表2所示：
表2：
Cypher语句模板为：MATCH(n)-[r:％s]-(b)where n.name＝'％s'RETURN n,r,b；
查询模板对应的Cypher语句模板如下述表4所示：
表4：
由上述本发明的实施例提供的技术方案可以看出，本发明以燃气事故发生后需要进行快速处置的迫切需求为背景，提出了燃气输配***应急处置知识图谱问答***的构建方法，解决了大部分处置措施及应急处置资源以文本的形式进行存储，没有形成完整的处置流程的问题。
本发明综合基于燃气应急处置问答***与燃气应急处置文件管理资料库，实现了基于知识图谱的燃气输配***应急处置快速预案查询与推理，实现了事故现场的智能化处置，解决了事故现场的处置存在着时效性差的问题。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种综合数据库与知识图谱问答***的燃气输配***应急处置辅助决策***的框架示意图；
图2为本发明实施例提供的一种综合数据库与知识图谱问答***的燃气输配***应急处置辅助决策***的结构示意图；
图3为本发明实施例提供的一种燃气应急处置知识图谱的构建流程图；
图4为本发明实施例提供的一种燃气输配***应急处置知识图谱示意图。
图5为本发明实施例提供的一种用户使用文件管理***对事故现场的处置进行查询的处理流程图；
图6为本发明实施例提供的一种燃气输配***应急处置资料MySQL数据库的框架图。
图7为本发明实施例提供的一种燃气应急处置文件资源E-R图；
图8为本发明实施例提供的一种用户查询功能E-R图；
图9为本发明实施例提供的一种燃气输配***应急处置问答***的具体框架图；
图10为本发明实施例提供的一种燃气输配***应急处置问答***的处理流程图；
图11为本发明实施例提供的一种AC自动机的结构示意图；
图12为本发明实施例提供的一种事故原因知识图谱示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
本发明以燃气输配***应急处置为研究点，为了解决燃气事故应急处置快速性与时效性差等问题，构建燃气事故应急处置知识图谱问答***，并综合该问答***与应急处置资料MYSQL数据库，设计了燃气事故应急处置辅助决策***。
本发明实施例提出的一种综合数据库与知识图谱问答***的燃气输配***应急处置辅助决策***的框架如图1所示，具体结构如图2所示，包括：燃气应急处置知识图谱构建***、知识图谱问答***、文件管理***与交互界面***四部分：
所述的交互界面***，用于在燃气应急处置知识图谱构建***、知识图谱问答***和文件管理***与用户之间提供信息交互界面；
所述的燃气应急处置知识图谱构建***，用于通过收集到的燃气事故案例构建燃气应急处置知识图谱，将所述燃气应急处置知识图谱传输给所述文件管理***；
所述的文件管理***，用于利用Neo4j知识图谱数据库存储燃气应急处置知识图谱，利用MySQL数据库存储燃气应急处置专业词表；
所述的知识图谱问答***，用于接收用户根据燃气事故类型提出的查询请求，对相关问题的自然语言进行理解，根据所述查询请求构建Cypher查询语句，通过构建的Cypher查询语句以Py2neo作为信息交互媒介，利用Django框架连接前端与MySQL、Neo4j知识图谱数据库，利用所述Cypher查询语句在所述Neo4j知识图谱数据库中进行查询，得出上述相关问题对应的答案，将答案通过交互界面***返回给用户。包括：燃气应急处置资料数据库管理模块、燃气应急处置专业词表管理模块和查询请求处理模块；
所述的燃气应急处置资料数据库管理模块，用于构建和存储燃气输配***应急处置资料MySQL数据库，该燃气输配***应急处置资料MySQL数据库中存储燃气事故案例、燃气事故领结图、燃气事故应急处置资源、燃气行业法律标准、燃气事故应急预案和事故分析报告，利用Django框架与HTTP/DNS通讯协议与燃气应急处置专业词表管理模块进行数据通信；
所述的燃气应急处置专业词表管理模块，用于将Neo4j知识图谱数据库中的燃气应急处置知识节点关系与燃气输配***应急处置资料MySQL数据库进行结合，构建燃气应急处置专业词表，将所述燃气应急处置专业词表存储在文件管理***中的MySQL数据库中；
所述的查询请求处理模块，用于提供用户对燃气事故相关问题的查询功能，提供关键字查询、时间查询、作者查询与分类四种查询方式，将用户提出的查询请求中的问题类别与实体数据传入预先定义的查询模板进行匹配判断，通过Python语言中的占位符传入字符参数，生成Cypher查询语句，将分词处理后的Cypher查询语句根据句子中出现的词性顺序进行问句模板匹配，将问句模板匹配处理后的Cypher语句在所述燃气应急处置专业词表中进行知识图谱的遍历查询，得到所述查询请求对应的答案，将所述答案返回给用户。
具体的，上述的燃气应急处置知识图谱构建***，用于通过收集到的燃气公司提供的以及利用爬虫技术爬取到的燃气事故案例，采用“自顶向下”的结构方式了构建燃气输配***应急处置知识图谱。本发明实施例提供的一种燃气应急处置知识图谱的构建流程图如图3所示。本发明采用Neo4j知识图谱数据库作为知识图谱存储与可视化的介质，将抽取到的燃气事故应急处置案例的实体及关系进行筛选，保留符合事故背景信息与处置方法要求的三元组存入到Neo4j知识图谱数据库中，形成了如图4所示的燃气输配***应急处置知识图谱，将燃气应急处置知识图谱存入到Neo4j知识图谱数据库。作为燃气应急处置知识图谱问答***的基础。知识图谱中一个节点表示一个实体，节点之间的边表示关系，两个节点与之相关联的一条边形成一个三元组。
本发明实施例基于Neo4j知识图谱数据库、燃气输配***应急处置资料MySQL数据库、燃气事故处置案例和燃气行业法律法规与标准等文件，构建以应急处置知识图谱为基础的燃气应急处置问答***，并将Neo4j知识图谱数据库中的燃气应急处置知识节点关系与燃气输配***应急处置资料MySQL数据库进行结合，构建燃气应急处置专业词表，将燃气应急处置专业词表存储在文件管理***中的MySQL数据库中。利用多模式匹配算法对问题词进行关键词匹配，结合用户提出的问题构建Cypher查询语句，通过文件管理***利用上述Cypher查询语句查询燃气应急处置专业词表，实现对事故现场的处置进行查询，将查询结果作为燃气应急处置的辅助决策结果。
燃气输配***事故应急处置包含多种信息类，为了实现使用者对燃气输配***事故案例、燃气行业相关标准规范和事故应急处置资源等文件的存储与检索，使得燃气输配***应急处置资料MySQL数据库可以满足用户需要。我们需要将使用者在进行现场处置时可能涉及到的步骤流程进行总结分析，对该数据库的前端界面进行用户需求配置。用户使用文件管理***对事故现场的处置进行查询的处理流程如图5所示，用户根据检索页面实现对事故案例、行业标准与应急处置资源等进行关键字、时间、作者、分类查询，获取燃气输配***相关文件，对事故现场进行辅助指导，最终将处置完的新事故以案例报告的形式上传到页面，存入燃气输配***应急处置资料MySQL数据库中。
本发明实施例提供的一种燃气输配***应急处置资料MySQL数据库的框架图如图6所示。该数据库采用Django框架，以浏览器为前端，MySQL数据库为后端的建立方法，具有完全索引，并且可通过网络访问调取数据。该数据库***框架主要分为基础层、数据库、数据层、服务层、应用层、业务层与用户层7层，基础层是构造文件管理资料库的根基，包含主机***、存储***和安全***等，为数据库的建立提供了根本支持；数据库层主要是MySQL数据库的建立，通过建立MySQL数据库可以将燃气输配***文件信息进行存储；数据层和服务层主要提供数据缓存、读写、事务、数据库的管理、配置、监控、日志等通用功能；应用层主要是业务层对服务层进行调用的媒介，利用Django框架与HTTP/DNS通讯协议进行调度连接；业务层主要实现面向应用的功能模块和流程集成开发；用户层则是面向用户端(前端)与管理员，用户可以通过前端页面对数据库中的文件进行检索和上传，管理员则是可以进入到服务器内部进行文件的整理与筛选。
通过对事故案例以及燃气公司事故调度中心的调研，针对燃气事故从发生到完全处置完毕全过程，属地燃气公司需要用到并整理出事故案例、事故领结图、应急处置资源、燃气行业法律标准、燃气事故应急预案、事故分析报告六大部分。根据燃气事故应急处置需求分析，采用上述六部分文件资源配合事故现场的处置工作，构建如图7所示的燃气应急处置文件资源E-R图。
用户在对燃气事故相关问题进行查询时，我们提供了关键字查询、时间查询、作者查询与分类四种查询方式，用户查询功能E-R图如图8所示。通过上述用户查询功能E-R图，可将用户的查询请求转化为数据库表结构，表结构是定义数据表文件名，确定数据表包含哪些字段，各字段的字段名、字段类型、主键、外键等，并将这些数据输入到计算机当中。针对用户的查询请求的表结构如表1所示。
表1用户查询功能表结构
本发明采用基于语义解析的方法，对燃气输配***应急处置进行知识问答***构建。本发明实施例提供的一种燃气输配***应急处置问答***的具体框架如图9所示，***流程图如图10所示，首先需要定义查询模板，用户根据查询模板向***进行提问，随后利用Jieba分词包中自身的词库，与知识图谱中的燃气应急处置命名实体构建的该领域词典，对用户提出的自然语言进行分词处理，将处理后的问题根据句子中出现的词性顺序进行问句模板匹配，再通过Cypher语句在燃气应急处置专业词表中进行知识图谱的查询，最终在问答***中给用户返回问题的答案。
知识问答通常是将自然语言的问题，通过自底向上的解析过程，转成Cypher与SQL等数据库查询语句，通过在知识库中执行相应的查询得出答案。燃气应急处置问答***的语义解析过程，是基于语言学知识的方法，将中文自然语言转换成Cypher语言，对Neo4j知识图谱数据库中的知识进行查询。
此框架共包含燃气输配***应急处置知识图谱的构建和燃气应急处置知识图谱问答处理两个部分：首先根据收集到的燃气公司提供的结构化与非结构化文本数据，以及利用爬虫技术从微信“管线事故”、“燃气***”公众号提取到的事故报道等半结构化数据，将半结构化数据进行命名实体识别和关系抽取，将抽取到的燃气输配***应急处置知识三元组进行筛选，以CSV文件格式存储到Neo4j知识图谱数据库当中；将Neo4j中的节点实体以表的形式存储在文件管理***中的MySQL数据库中的燃气应急处置专业词表中。
对提取出的燃气输配***应急处置知识三元组进行分析，总结归纳出问答***中用户提出的问题意图类别，针对不同问题的类型进行语义设计与解析，将问题词整理成问题词词表，当用户提出问题时，通过jieba分词处理，检索燃气应急处置专业词表，利用多模式匹配算法对问题词进行关键词匹配，将自然语言转换成Neo4j知识图谱数据库可以识别的Cypher语言，查询知识图谱，给出合适的答案。
针对用户可能提出的问题进行意图归纳与语义设计，最终通过Django框架建立前后端连接，设计用户访问前端网页界面，达到可以与用户交互的功能。通过对事故文本的分析，共归纳出5类通用查询模板，具体查询模板见表2。
表2通用查询模板分类
表2中主要以构建出的燃气输配***应急处置知识图谱中的事故类型为核心触发词，使用者输入问句时，询问的事故类型关键词会被检索，***会围绕该词与相关问题作出回答。
联合MySQL与Neo4j构建燃气应急处置专业词表，MySQL是一种关系型数据库管理***，关系数据库将数据以表的形式进行储存，在进行检索时，只需遍历表中数据，便可获取相应信息。在对关键词数据进行查询匹配时，相比Neo4j，MySQL增加了响应速度并提高了灵活性。
在用户提出问题时，***要对Neo4j知识图谱数据库中的实体节点词语进行遍历，因此读取速度较慢，将Neo4j中的节点实体以表的形式存入MySQL数据库当中，建立燃气应急处置专业词表，当用户提出问题时，通过检索存储在MySQL数据库当中的燃气应急处置专业词表进行燃气关键词匹配。
表3导入MySQL节点关系表(部分)
通过对燃气输配***应急处置知识图谱中出现的节点与关系，整合出燃气输配***应急处置专有词表，共包含了4457个专有名词，导入MySQL的节点与关系如表6所示(表3为MySQL库中截取的部分事故案例节点关系表)。将Neo4j中的节点与关系边以表的形式存入MySQL数据库中，得益于MySQL的响应速度与灵活性，可以大幅提升***的响应速度。
基于多模式匹配的用户问题关键词匹配。多模式匹配(Aho-Corasick automaton)又称AC自动机。AC自动机是在Trie树基础上构建出Fail指针，从而发展得来的一种字符串匹配算法，在多模匹配领域里面取得了出色的成绩。AC自动机匹配主要包括Trie字典树的构建、fail指针的构建、字符串匹配3个过程。Trie树也称字典树、前缀树或单词查找树，它是一些字符串集合所构建的一颗有根树，一般用来进行分词、排序以及字符串存储和快速查找。这些字符串都有着公共前缀，Trie树利用这些字符串的公共前缀对关键词进行匹配查询，不用遍历整个字符串字典，大大减少了***响应时间。构建出的Fail指针为层次遍历，通过父节点到子节点的有向边遍历关键词，从而达到提升匹配效率的效果。在进行节点遍历时，如果当前节点父节点的fail指针指向的节点下，存在与当前节点一样的子节点，则当前节点的fail指针指向该子节点，否则指向root节点。
利用构建好的燃气输配***应急处置问题词表，用户针对事故现场可能的问题词语构建AC自动机，图11为本发明实施例提供的一种针对事故现场处置方式的问题词构建出的AC自动机示意图，共包含“怎么办”、“怎么做”、“怎样干”、“该干嘛”、“该干啥”五个问题语气词。图中虚线箭头与粗实线箭头为Fail指针，图中Root为Trie树的根，是起始节点，Root的Fail指针指向自己；图中的节点6、7、8、9、10为问题关键词的最后一个字，因此设置为终止节点，同时记录该关键词长度为3；图中节点8与节点5同时出现了“干”这个字，因此节点8为节点5的父节点，因此节点8的Fail指针指向节点5，而不指向Root节点。
通过MySQL数据库与AC自动机相配合，进一步减少了***检索答案的时间，提高了***辅助决策的效率。
本发明借助模板生成自然语言的回复语句，利用Py2neo实现脚本程序与Neo4j的数据库连接，实现数据的交互。首先将用户提出的问题类别与实体数据传入预先定义的查询模板，通过模板匹配，构建出符合用户查询要求的Cypher语法并借助Py2neo库连接到知识图谱获取返回结果，最后将返回数据与回复模板进行匹配，输出答案反馈。
表4中文查询模板对应的Cypher语句模板
通过***识别出用户输入的问题，程序将该问题与查询模板进行匹配判断，通过Python语言中的占位符传入字符参数，生成预先定义好的Cypher查询语句。通用Cypher语句模板为：MATCH(n)-[r:％s]-(b)where n.name＝'％s'RETURN n,r,b。在5类不同的用户意图类别下分别搭建相应的查询语句模板。如“发生燃气泄漏的处置部门有哪些？”，***识别出相应的用户意图与实体数据，构建出相应的Cyper查询语句：MATCH(n)-[r:处置部门]-(b)where n.name＝'燃气泄漏'RETURN n,r,b。中文查询模板及对应的Cypher语句模板表如表4所示。
本发明实施例的燃气输配***应急处置辅助决策***分为前端展示模块与后端逻辑处理模块。前端展示模块用于在页面中展示用户的问题和***返回的答案，以及知识图谱的可视化内容；后端逻辑处理模块用于完成前端请求的逻辑处理以及与知识库的数据交互。
通过服务器运行***后，使用者通过登录界面输入用户名和密码进行登录，通过登录界面进入主界面后，可以点击文件***按钮连接燃气输配***应急处置资料MySQL数据库，对存储的事故案例，应急处置资源进行查询，点击问答***按钮连接Neo4j知识图谱数据库进行事故现场应急处置问答。燃气输配***应急处置资料MySQL数据库中存有事故案例、事故领结图、应急处置资源、燃气行业法律标准、燃气事故应急预案、事故分析报告等文件供现场人员与调度中心查询。
燃气应急处置问答***中存有通过事故案例及部分应急响应预案中获取到的燃气输配***应急处置知识图谱数据，为了使问答***给出的答案更加具有针对性，我们对构建出的知识图谱进行了添加属性信息的优化。在问题空白处进行提问：“发生燃气管道着火的原因有哪些”，找到的答案会在下方显示出来。本发明实施例提供的一种事故原因知识图谱如图12所示，共包含16个实体与15条实体间关系。
本发明创新性的将知识图谱技术应用于燃气输配***应急处置领域，现阶段在燃气输配***应急处置领域当中，燃气输配***应急处置方案多以文本等非结构化形式存储，现场人员及调度中心需要查找相关文本才能对现场进行指挥，使得现场处置存在着时效性差的缺点。
利用MySQL数据库与知识图谱技术构建燃气输配***应急处置辅助决策***，实现了基于知识图谱的燃气输配***应急处置快速预案查询与推理，为燃气输配***事故应急处置辅助决策提供有效支持。
综上所述，本发明实施例以燃气事故发生后需要进行快速处置的迫切需求为背景，提出了燃气输配***应急处置知识图谱问答***的构建方法，解决了大部分处置措施及应急处置资源以文本的形式进行存储，没有形成完整的处置流程的问题。本发明创新性的将知识图谱技术应用于燃气输配***应急处置领域，现阶段在燃气输配***应急处置领域当中，燃气输配***应急处置方案多以文本等非结构化形式存储，现场人员及调度中心需要查找相关文本才能对现场进行指挥，使得现场处置存在着时效性差的缺点。
本发明综合基于燃气应急处置问答***与燃气应急处置文件管理资料库，实现了基于知识图谱的燃气输配***应急处置快速预案查询与推理，实现了事故现场的智能化处置，解决了事故现场的处置存在着时效性差的问题。本发明利用MySQL数据库与知识图谱技术构建燃气输配***应急处置辅助决策***，实现了基于知识图谱的燃气输配***应急处置快速预案查询与推理，为燃气输配***事故应急处置辅助决策提供有效支持。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或***实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及***实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (2)
1.一种燃气输配***应急处置辅助决策***，其特征在于，包括：燃气应急处置知识图谱构建***、燃气应急处置知识图谱问答***、文件管理***和交互界面***：
所述的交互界面***，用于在所述燃气应急处置知识图谱构建***、燃气应急处置知识图谱问答***和文件管理***与用户之间提供信息交互界面；
所述的燃气应急处置知识图谱构建***，用于通过收集到的燃气事故案例构建燃气应急处置知识图谱，将所述燃气应急处置知识图谱传输给所述文件管理***；
所述的文件管理***，用于通过Neo4j知识图谱数据库存储燃气应急处置知识图谱；
所述的燃气应急处置知识图谱问答***，用于接收用户根据燃气事故类型提出的查询请求，根据所述查询请求构建Cypher查询语句，利用所述Cypher查询语句在所述Neo4j知识图谱数据库中进行查询，得出所述查询请求对应的答案，将所述答案通过所述交互界面***返回给用户；
所述的燃气应急处置知识图谱问答***包括：
燃气应急处置资料数据库管理模块，用于构建和存储燃气输配***应急处置资料MySQL数据库，该燃气输配***应急处置资料MySQL数据库中存储燃气事故案例、燃气事故领结图、燃气事故应急处置资源、燃气行业法律标准、燃气事故应急预案和事故分析报告，利用Django框架与HTTP/DNS通讯协议与燃气应急处置专业词表管理模块进行数据通信；
所述的燃气应急处置专业词表管理模块，用于将Neo4j知识图谱数据库中的燃气应急处置知识节点关系与燃气输配***应急处置资料MySQL数据库进行结合，构建燃气应急处置专业词表，将所述燃气应急处置专业词表存储在文件管理***中的MySQL数据库中；
所述的查询请求处理模块，用于提供用户对燃气事故相关问题的查询功能，提供关键字查询、时间查询、作者查询与分类四种查询方式，将用户提出的查询请求中的问题类别与实体数据传入预先定义的查询模板进行匹配判断，通过Python语言中的占位符传入字符参数，生成Cypher查询语句，将分词处理后的Cypher查询语句根据句子中出现的词性顺序进行问句模板匹配，将问句模板匹配处理后的Cypher语句在所述燃气应急处置专业词表中进行知识图谱的遍历查询，得到所述查询请求对应的答案，将所述答案返回给用户；
对所述燃气应急处置知识图谱中的三元组进行分析，归纳出知识图谱问答***中用户提出的问题意图类别，针对不同问题的类型进行语义设计与解析，将问题词整理成问题词词表，当用户提出查询请求时，通过多模式匹配算法将所述查询请求对应的Cypher语句与所述问题词词表进行关键词匹配，利用匹配出的问题词遍历所述燃气应急处置专业词表中的数据，得到所述查询请求对应的答案；
查询模板的分类如下述表2所示：
表2：
Cypher语句模板为：MATCH(n)-[r:％s]-(b)where n.name＝'％s'RETURN n,r,b；
查询模板对应的Cypher语句模板如下述表4所示：
表4：
2.根据权利要求1所述的***，其特征在于，所述的燃气应急处置知识图谱构建***，用于通过燃气公司和燃气事故网站收集燃气事故应急处置案例，对燃气事故应急处置案例进行知识抽取，该知识抽取包括实体抽取、关系抽取和属性抽取，将抽取到的燃气事故应急处置案例的实体、关系和属性进行筛选，保留符合事故背景信息与处置方法要求的实体、关系和属性三元组作为燃气应急处置知识图谱，该燃气应急处置知识图谱中一个节点表示一个实体，节点之间的边表示关系，两个节点与之相关联的一条边形成一个三元组，将所述燃气应急处置知识图谱通过所述文件管理***存入到Neo4j知识图谱数据库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310655572.2A CN116541503B (zh) | 2023-06-05 | 2023-06-05 | 一种燃气输配***应急处置辅助决策*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310655572.2A CN116541503B (zh) | 2023-06-05 | 2023-06-05 | 一种燃气输配***应急处置辅助决策*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116541503A CN116541503A (zh) | 2023-08-04 |
| CN116541503B true CN116541503B (zh) | 2023-12-08 |
Family
ID=87452528
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310655572.2A Active CN116541503B (zh) | 2023-06-05 | 2023-06-05 | 一种燃气输配***应急处置辅助决策*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116541503B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109543919A (zh) * | 2018-12-03 | 2019-03-29 | 公安部天津消防研究所 | 一种基于事故演化的消防动态应急决策***及其实现方法 |
| CN111191048A (zh) * | 2020-01-02 | 2020-05-22 | 南京邮电大学 | 基于知识图谱的急诊问答***构建方法 |
| CN111309922A (zh) * | 2020-01-19 | 2020-06-19 | 清华大学 | 图谱构建方法、事故分类方法、装置、计算机设备和介质 |
| CN111832924A (zh) * | 2020-06-30 | 2020-10-27 | 北方工业大学 | 基于图神经网络的社区燃气***动态风险评估方法及装置 |
| CN215181654U (zh) * | 2021-03-18 | 2021-12-14 | 中国石油天然气股份有限公司 | 一种基于天然气知识图谱的智能交互问答装置 |
| KR20230040195A (ko) * | 2021-09-15 | 2023-03-22 | (주)해양에너지 | 도시가스 공급시설에 대한 손상진단으로 사고를 예방하는 예측시스템 및 예측방법 |
| CN116028645A (zh) * | 2023-01-30 | 2023-04-28 | 正元地理信息集团股份有限公司 | 城市市政基础设施应急知识图谱确定方法、***及设备 |
-
2023
- 2023-06-05 CN CN202310655572.2A patent/CN116541503B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109543919A (zh) * | 2018-12-03 | 2019-03-29 | 公安部天津消防研究所 | 一种基于事故演化的消防动态应急决策***及其实现方法 |
| CN111191048A (zh) * | 2020-01-02 | 2020-05-22 | 南京邮电大学 | 基于知识图谱的急诊问答***构建方法 |
| CN111309922A (zh) * | 2020-01-19 | 2020-06-19 | 清华大学 | 图谱构建方法、事故分类方法、装置、计算机设备和介质 |
| CN111832924A (zh) * | 2020-06-30 | 2020-10-27 | 北方工业大学 | 基于图神经网络的社区燃气***动态风险评估方法及装置 |
| CN215181654U (zh) * | 2021-03-18 | 2021-12-14 | 中国石油天然气股份有限公司 | 一种基于天然气知识图谱的智能交互问答装置 |
| KR20230040195A (ko) * | 2021-09-15 | 2023-03-22 | (주)해양에너지 | 도시가스 공급시설에 대한 손상진단으로 사고를 예방하는 예측시스템 및 예측방법 |
| CN116028645A (zh) * | 2023-01-30 | 2023-04-28 | 正元地理信息集团股份有限公司 | 城市市政基础设施应急知识图谱确定方法、***及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 燃气事故应急处置知识协同***的构建;见爽;詹淑慧;;煤气与热力(第06期);B43-B46 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116541503A (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| El‐Assady et al. | NEREx: Named‐entity relationship exploration in multi‐party conversations | |
| US11120059B2 (en) | Conversational query answering system | |
| RU2488877C2 (ru) | Идентификация семантических взаимоотношений в косвенной речи | |
| CN111967761A (zh) | 一种基于知识图谱的监控预警方法、装置及电子设备 | |
| JP2016018566A (ja) | 単文／複文構造の自然言語クエリに対する検索および情報提供方法並びにシステム | |
| Sleimi et al. | A query system for extracting requirements-related information from legal texts | |
| CN115757689A (zh) | 一种信息查询***、方法及设备 | |
| CN112507076A (zh) | 一种语义分析搜索方法、装置及存储介质 | |
| CN116070599A (zh) | 智能化题库生成及辅助管理*** | |
| Schorlemmer et al. | Institutionalising ontology-based semantic integration | |
| Barbieri et al. | Towards a natural language conversational interface for process mining | |
| CN117312531A (zh) | 知识图谱增强的基于大语言模型配电网故障归因分析方法 | |
| Li et al. | Construction of sentimental knowledge graph of Chinese government policy comments | |
| CN113610626A (zh) | 银行信贷风险识别知识图谱构建方法、装置、计算机设备及计算机可读存储介质 | |
| CN117094390A (zh) | 一种面向海洋工程领域的知识图谱构建及智能搜索方法 | |
| Zhekova et al. | An Algorithm for Translation of a Natural Language Question into SQL Query. | |
| CN116541503B (zh) | 一种燃气输配***应急处置辅助决策*** | |
| Malik et al. | Semantic annotation framework for intelligent information retrieval using KIM architecture | |
| Gomez et al. | Towards the automatic generation of conversational interfaces to facilitate the exploration of tabular data | |
| Waltinger et al. | Natural language access to enterprise data | |
| Fernández-Rosillo San Isidro et al. | Micro-database for sustainability (ESG) indicators developed at the Banco de España (2022) | |
| Dai et al. | QAM: question answering system based on knowledge graph in the military | |
| Gilardoni et al. | LKMS–A legal knowledge management system exploiting semantic Web technologies | |
| KR102434880B1 (ko) | 멀티미디어 플랫폼 기반 지식 공유 서비스 제공 시스템 | |
| Rolfe et al. | Proof of Concept Assessment for the Use of Natural Language Processing to Maintain and Update the DoD Technologies Knowledge Base (DTKB) |
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 |