【技术实现步骤摘要】
本公开属于数据处理，本公开尤其涉及一种应急事件数据的标签化方法、装置、介质及设备。
技术介绍
1、应急事件通常是指突然发生，需要立即采取行动以防止或减轻其负面影响的事件，这些事件可能包括自然灾害、事故、公共卫生事件或者社会安全事件等。
2、为了能够迅速识别应急事件的性质、严重程度、影响范围等关键信息，在目前的技术方案中，常采用基于传统机器学习的方式对应急事件的事件数据进行标签化处理，其依赖于手工设计的特征提取器对事件数据进行特征提取，再采用分类器对所提取的特征进行标签预测。然而，上述方式往往忽略了事件数据之间的关联关系，进而导致标签化结果的准确性较低。由此，如何准确识别不同事件数据之间的关联关系，进而提高标签化结果的准确性成为了亟待解决的技术问题。
技术实现思路
1、本申请的实施例提供了一种应急事件数据的标签化方法、装置、介质及设备，进而至少在一定程度上可以准确识别不同事件数据之间的关联关系，进而提高标签化结果的准确性。
2、本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
3、根据本申请实施例的一个方面，提供了一种应急事件数据的标签化方法，包括：获取并预处理若干应急事件对应的事件数据；将预处理后的每一所述事件数据作为图节点，并根据各所述图节点对应的事件数据之间的关联关系生成边，得到事件关联图；根据所述事件关联图中每一图节点对应的事件数据，对各所述图节点进行标签标注，得到各所述图节点对应的标签信息；根据各所述图
4、根据本申请进一步实施例，提供了所述标签信息包括按照层级排序的至少一个事件标签；根据各所述图节点对应的所述事件数据和所述标签信息，生成各所述图节点的节点表示，包括：对各所述图节点对应的事件数据进行特征提取，得到各所述图节点对应的数据特征向量；对各所述图节点对应的标签信息进行编码，得到各所述图节点对应的标签特征向量；分别将各所述图节点对应的数据特征向量与标签特征向量进行拼接，得到各所述图节点对应的节点表示。
5、根据本申请进一步实施例，提供了所述事件标签包括事件的类型标签、性质标签、状态标签、地点标签、时间标签、涉及人群标签、涉及物品标签以及伤亡情况标签中的一种或多种。
6、根据本申请进一步实施例，提供了采用所述目标事件标签化模型对新应急事件对应的事件数据进行标签化预测，包括：根据若干新应急事件对应的事件数据，生成目标事件关联图；将所述目标事件关联图输入至所述目标事件标签化模型中，以使所述目标事件标签化模型输出每一所述新应急事件对应的事件标签。
7、根据本申请实施例的一个方面，提供了一种应急事件数据的标签化装置，包括：获取模块，用于获取并预处理若干应急事件对应的事件数据；第一生成模块，用于将预处理后的每一所述事件数据作为图节点，并根据各所述图节点对应的事件数据之间的关联关系生成边，得到事件关联图；标注模块，用于根据所述事件关联图中每一图节点对应的事件数据，对各所述图节点进行标签标注，得到各所述图节点对应的标签信息；第二生成模块，用于根据各所述图节点对应的所述事件数据和所述标签信息，生成各所述图节点的节点表示；训练模块，用于将所述事件关联图以及各所述图节点的节点表示输入至预先构建的事件标签化模型中，以对所述事件标签化模型进行训练，得到目标事件标签化模型；处理模块，用于采用所述目标事件标签化模型对新应急事件对应的事件数据进行标签化预测；所述事件标签化模型包括相连接的图神经网络和分类网络；其中，所述图神经网络用以根据所述事件关联图，确定各所述图节点的邻居节点以及该邻居节点的节点表示；基于各所述图节点的节点表示以及该图节点对应的邻居节点的节点表示，对所述图节点的节点表示进行更新；所述分类网络用以根据每一所述图节点更新后的节点表示，对各所述图节点进行标签分类，输出每一所述图节点对应的预测标签；所述图神经网络包括多层的图卷积神经网络层和激活函数，每一所述图卷积神经网络层包括节点更新函数和边更新函数，以更新图节点的节点表示以及边的边表示；所述节点更新函数采用注意力机制，计算图节点与邻居节点之间的相似度以调整该邻居节点对应的第一权重；并基于调整后的各所述邻居节点的第一权重对该图节点的节点表示进行更新；所述边更新函数采用注意力机制，确定并更新连接图节点与邻居节点的边对应的第二权重，所述第二权重用以表征各邻居节点对图节点更新后的节点表示的贡献程度。
8、根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的应急事件数据的标签化方法。
9、根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的应急事件数据的标签化方法。
10、根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中提供的应急事件数据的标签化方法。
11、在本申请的一些实施例所提供的技术方案中，通过获取并预处理若干应急事件对应的事件数据，将预处理后的每一事件数据作为图节点，并根据图节点对应的事件数据之间的关联关系生成边，得到事件关联图，根据事件关联图中每一图节点对应的事件数据，对各图节点进行标签标注，得到各图节点对应的标签信息；接着，根据各图节点对应的事件数据和标签信息，生成各图节点的节点表示，将该事件关联图以及各本文档来自技高网...
【技术保护点】
1.一种应急事件数据的标签化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述标签信息包括按照层级排序的至少一个事件标签；
3.根据权利要求2所述的方法，其特征在于，所述事件标签包括事件的类型标签、性质标签、状态标签、地点标签、时间标签、涉及人群标签、涉及物品标签以及伤亡情况标签中的一种或多种。
4.根据权利要求1所述的方法，其特征在于，采用所述目标事件标签化模型对新应急事件对应的事件数据进行标签化预测，包括：
5.一种应急事件数据的标签化装置，其特征在于，包括：
6.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的应急事件数据的标签化方法。
7.一种电子设备，其特征在于，包括：
【技术特征摘要】
1.一种应急事件数据的标签化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述标签信息包括按照层级排序的至少一个事件标签；
3.根据权利要求2所述的方法，其特征在于，所述事件标签包括事件的类型标签、性质标签、状态标签、地点标签、时间标签、涉及人群标签、涉及物品标签以及伤亡情况标签中的一种或多种。
4.根据权利要求1...
【专利技术属性】
技术研发人员：刘艺坚，李仁杰，卢天发，张翔，
申请(专利权)人：罗普特科技集团股份有限公司，
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。