【技术实现步骤摘要】
本专利技术属于人工智能，尤其涉及一种基于人工智能的消防知识训练模型及训练方法。
技术介绍
1、消防知识是消防体系建立的根本和基础，现有的消防体系基于消防知识建立了完整的消防信息网络，可以对突发事故和灾情进行及时救援。现有的ai模型都是建立在通用领域上，没有针对消防行业做专门的知识训练，因此基于消防知识建立智能模型成为保障消防网络体系稳定性和实时性的根本，也成了亟待解决的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的消防知识训练模型及训练方法，通过对消防知识数据进行分类，采用其中一类数据构建消防知识图谱模型，用另一类数据建立nlp综合模型，最后将两个模型组合在一起来建立用于人工智能交互的消防训练模型。该模型基于消防领域的知识保障了消防网络体系稳定性、专业性和实时性
2、本专利技术的目的可以通过以下技术方案实现：
3、第一方面，本申请实施例提供了一种基于人工智能的消防知识训练模型，包括消防数据管理模块、消防知识图谱模块、自然语言处理模块和消防训练响应模块；所述消防数据管理模块均与所述消防知识图谱模块和所述自然语言处理模块通信连接；所述消防知识图谱模块和所述自然语言处理模块分别与所述消防训练响应模块通信连接；
4、所述消防数据管理模块，用于采集消防知识数据并对其进行预处理和分类，获取第一类数据和第二类数据；
5、所述消防知识图谱模块，用于根据所述第一类数据构建知识图谱模型；
6、所述自然语言处理模块，用于根
7、所述消防训练响应模块，用于根据所述知识图谱模型和所述nlp综合模型构建消防训练模型；
8、其中，所述消防训练模型用于进行人机交互。
9、优选的，所述消防数据管理模块包括依次通信连接的数据采集单元、数据预处理单元和数据分类单元；
10、所述数据采集单元，用于获取所述消防知识数据并筛选出原始数据；
11、所述数据预处理单元，用于对所述原始数据进行预处理，获取预处理数据；
12、所述数据分类单元，用于依据数据类型对所述预处理数据进行分类，获取所述第一类数据和所述第二类数据；
13、其中，所述第一类数据包括：结构化数据、半结构化数据和非结构化数据；所述第二类数据包括：文字类数据、图像类数据和语音类数据。
14、优选的，获取所述消防知识数据的手段包括：数据爬虫技术、web service技术和人工录入采集；对所述消防知识数据进行预处理包括：数据清洗、缺失值处理、数据标准化和特征提取。
15、优选的，所述消防知识图谱模块包括依次通信连接的知识抽取单元、知识融合单元、模型构建单元和模型优化单元；
16、所述知识抽取单元，用于根据所述半结构化数据和所述非结构化数据抽取实体、关系和属性；
17、所述知识融合单元，用于对所述实体、所述关系和所述属性进行知识融合，获取事实表达；所述知识融合包括实体链接和知识合并；
18、所述模型构建单元，用于对所述事实表达进行知识加工，建立所述知识图谱模型；所述知识加工包括本体抽取和知识推理；
19、所述模型优化单元，用于对所述知识图谱模型进行质量评估和更新优化。
20、优选的，在所述知识抽取单元中将bert模型、bilstm模型和crf模型进行结合，生成实体抽取模型并利用所述实体抽取模型抽取所述实体；
21、在所述知识融合中采用规则词典进行实体链接；
22、所述本体抽取包括：实体并列关系相似度计算阶段、实体上下位关系抽取阶段以及本体生成阶段；
23、其中，所述实体并列关系相似度计算阶段包括字符串匹配、语义表示、知识库链接和上下文信息比对。
24、优选的，所述nlp综合模型包括模型生成单元以及分别与其通信连接的文字数据单元、图像数据单元和语音数据单元；
25、所述文字数据单元，采用nlp技术对所述文字类数据进行处理，生成第一通道数据；
26、所述图像数据单元，采用nlp技术和cnn技术对所述图像类数据进行处理，生成第二通道数据；
27、所述语音数据单元，采用nlp和语音处理技术对所述语音类数据进行处理，生成第三通道数据；
28、所述模型生成单元，采用nlp技术和多模态融合技术对所述第一通道数据、所述第二通道数据和所述第三通道数据进行处理，生成所述nlp综合模型；
29、其中，在所述图像数据单元中还引入注意力机制
30、优选的，所述多模态融合技术由所述cnn技术、rnn技术和gan技术结合形成。
31、优选的，构建所述消防训练模型，包括如下步骤：
32、获取自然语言信息并形成自然语言数据集；
33、利用所述nlp综合模型对所述自然语言数据集进行分析，获取nlp文本；
34、在所述知识图谱模型中对所述nlp文本进行检索，获取文本关联信息；
35、将所述nlp文本与所述文本关联信息进行关联和推理，生成对话回复；
36、根据所述对话回复建立消防问答池，并基于所述消防问答池构建所述消防训练模型。
37、优选的，所述消防训练模型包括模型更新单元以及分别与其通信连接的智能问答单元和知识培训单元；
38、所述智能问答单元，用于处理用户的自然语言查询以及生成机器回复；
39、所述知识培训单元，用于对所述用户进行消防知识的培训和认证；
40、所述模型更新单元，用于实时获取最新数据并对所述消防训练模型进行评估和优化。
41、第二方面，本申请实施例提供了一种基于人工智能的消防知识训练方法，包括如下步骤：
42、s1，采集消防知识数据并对其进行预处理和分类，获取第一类数据和第二类数据；
43、s2，根据所述第一类数据构建知识图谱模型；
44、s3，根据所述第二类数据构建nlp综合模型；
45、s4，根据所述知识图谱模型和所述nlp综合模型构建消防训练模型；
46、其中，所述消防训练模型用于进行人机交互；
47、其中，所述第一类数据包括：结构化数据、半结构化数据和非结构化数据；所述第二类数据包括：文字类数据、图像类数据和语音类数据。
48、本专利技术的有益效果为：
49、(1)本专利技术通过采集并处理消防知识数据，并将其分为两类数据，用其中一类数据建立消防知识图谱模型，用另一类数据建立nlp综合模型，最后通过将知识图谱模型和nlp综合模型组合在一起来建立用于人工智能交互的消防训练模型。该模型基于消防领域构建，能够针对消防领域内的知识对机器人做专项训练，使ai可以应用于nlp的上，能够直接了解消防的行业术语，了解消防场景内的自然语言的意图，还能够对值班室的消防人员进行消防相关的知识培训和问答。从而有效地保障了消防网络体系稳本文档来自技高网...
【技术保护点】
1.一种基于人工智能的消防知识训练模型，其特征在于：包括消防数据管理模块、消防知识图谱模块、自然语言处理模块和消防训练响应模块；所述消防数据管理模块均与所述消防知识图谱模块和所述自然语言处理模块通信连接；所述消防知识图谱模块和所述自然语言处理模块分别与所述消防训练响应模块通信连接；
2.根据权利要求1所述的一种基于人工智能的消防知识训练模型，其特征在于：所述消防数据管理模块包括依次通信连接的数据采集单元、数据预处理单元和数据分类单元；
3.根据权利要求2所述的一种基于人工智能的消防知识训练模型，其特征在于：获取所述消防知识数据的手段包括：数据爬虫技术、Web Service技术和人工录入采集；对所述消防知识数据进行预处理包括：数据清洗、缺失值处理、数据标准化和特征提取。
4.根据权利要求2所述的一种基于人工智能的消防知识训练模型，其特征在于：所述消防知识图谱模块包括依次通信连接的知识抽取单元、知识融合单元、模型构建单元和模型优化单元；
5.根据权利要求4所述的一种基于人工智能的消防知识训练模型，其特征在于：在所述知识抽取单元中将BE
6.根据权利要求2所述的一种基于人工智能的消防知识训练模型，其特征在于：所述NLP综合模型包括模型生成单元以及分别与其通信连接的文字数据单元、图像数据单元和语音数据单元；
7.根据权利要求6所述的一种基于人工智能的消防知识训练模型，其特征在于：所述多模态融合技术由所述CNN技术、RNN技术和GAN技术结合形成。
8.根据权利要求1所述的一种基于人工智能的消防知识训练模型，其特征在于：构建所述消防训练模型，包括如下步骤：
9.根据权利要求8所述的一种基于人工智能的消防知识训练模型，其特征在于：所述消防训练模型包括模型更新单元以及分别与其通信连接的智能问答单元和知识培训单元；
10.一种基于人工智能的消防知识训练方法，其特征在于：包括如下步骤：
...【技术特征摘要】
1.一种基于人工智能的消防知识训练模型，其特征在于：包括消防数据管理模块、消防知识图谱模块、自然语言处理模块和消防训练响应模块；所述消防数据管理模块均与所述消防知识图谱模块和所述自然语言处理模块通信连接；所述消防知识图谱模块和所述自然语言处理模块分别与所述消防训练响应模块通信连接；
2.根据权利要求1所述的一种基于人工智能的消防知识训练模型，其特征在于：所述消防数据管理模块包括依次通信连接的数据采集单元、数据预处理单元和数据分类单元；
3.根据权利要求2所述的一种基于人工智能的消防知识训练模型，其特征在于：获取所述消防知识数据的手段包括：数据爬虫技术、web service技术和人工录入采集；对所述消防知识数据进行预处理包括：数据清洗、缺失值处理、数据标准化和特征提取。
4.根据权利要求2所述的一种基于人工智能的消防知识训练模型，其特征在于：所述消防知识图谱模块包括依次通信连接的知识抽取单元、知识融合单元、模型构建单元和模型优化单元；
5.根...
【专利技术属性】
技术研发人员：王鹏，梁炎锋，
申请(专利权)人：广州鸿蒙信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。