【技術實現步驟摘要】
本申請涉及數據分析，特別是涉及一種危險化學品識別方法及裝置。
技術介紹
1、危險化學品在生產、儲存、運輸和使用過程中，對安全性有著嚴格的要求。在危險化學品的識別過程中，由于某些化學品命名的不規范以及目錄的局限性，直接通過名錄比對往往會導致誤判甚至漏判。例如，大量化學品雖未被列入目錄，但仍具有危險化學品的特性。
2、因此，如何高效準確地識別危險化學品成為亟待解決的問題。
技術實現思路
1、本申請提供了危險化學品識別方法及裝置，實現更加智能化和精準的危險化學品識別。
2、本申請提供了如下方案：
3、根據第一方面，提供了一種危險化學品識別方法，該方法包括：獲取化學品信息數據，根據所述化學品信息數據，利用深度學習的多模態數據融合算法，構建危化品語義庫；根據化學品的命名規則和屬性，定義文本變量和數值變量，從所述化學品信息數據中提取危化品判定條件，根據所述文本變量、所述數值變量和所述危化品判定條件建立危化品規則庫；根據所述化學品信息數據，基于圖神經網絡技術，建立危化品數據模型；利用所述危化品語義庫、所述危化品規則庫和所述危化品數據模型構建危化品識別系統；獲取待分類化學品信息，利用所述危化品識別系統對所述待分類化學品信息中的待分類化學品進行分類，獲得危化品判定結果。
4、根據本申請實施例中一可實現的方式，所述根據所述化學品信息數據，利用深度學習的多模態數據融合算法，構建危化品語義庫包括：使用循環神經網絡處理所述化學品信息數據中的文本信息，獲得不同模
5、根據本申請實施例中一可實現的方式，所述根據所述化學品信息數據，基于圖神經網絡技術，建立危化品數據模型包括：從所述化學品信息數據中獲取化學品名稱、化學品屬性和化學品間的關聯關系；將所述化學品名稱和所述化學品屬性表示為節點，化學品間的關聯關系作為邊；使用圖卷積網絡提取節點和邊之間的相互關系特征，根據所述相互關系特征使用圖譜推理算法，推導出未明確標識的化學品特征，并結合所述化學品信息數據構建知識圖譜；根據所述知識圖譜構建危化品數據模型。
6、根據本申請實施例中一可實現的方式，所述利用所述危化品識別系統對所述待分類化學品信息中的待分類化學品進行分類，獲得危化品判定結果包括：對待分類化學品信息進行預處理，獲得輸入信息，所述預處理包括：無效文本片段過濾和/或同義詞處理；將所述輸入信息輸入所述危化品語義庫，所述危化品語義庫對所述輸入信息進行語義匹配，獲得語義匹配結果；結合所述語義匹配結果和所述危險品規則庫生成的所述危險品判定條件，利用所述危化品數據模型對所述待分類化學品進行分類，獲得危化品判定結果。
7、根據本申請實施例中一可實現的方式，所述結合所述語義匹配結果和所述危險品規則庫生成的所述危險品判定條件，利用所述危化品數據模型對所述待分類化學品進行分類，獲得危化品判定結果包括：若所述語義匹配結果為完全不匹配，則將所述待分類化學品標注為非危化品；若所述語義匹配結果為匹配或疑似匹配，則記錄危化品語義庫的匹配關鍵詞；將所述語義匹配結果為匹配或疑似匹配的所述待分類化學品信息、所述匹配關鍵詞和所述危險品判定條件輸入所述危化品數據模型，根據所述危化品數據模型的輸出獲得所述危化品判定結果。
8、根據本申請實施例中一可實現的方式，所述利用所述危化品語義庫、所述危化品規則庫和所述危化品數據模型構建危化品識別系統包括：利用所述危化品語義庫、所述危化品規則庫和所述危化品數據模型構建危化品識別系統，并訓練所述危化品識別系統，所述訓練包括：獲取包括多個訓練樣本的訓練數據，所述訓練樣本包括化學品信息樣本及其對應的危化品判定結果樣本；所述危險品語義庫根據所述化學品信息樣本輸出語義匹配結果；所述危化品規則庫根據所述化學品信息樣本輸出危險品判定條件；為所述語義匹配結果、所述危險品判定條件和所述化學品信息樣本分配不同的權重，所述危化品數據模型根據所述權重對所述語義匹配結果、所述危險品判定條件和所述化學品信息樣本進行加權融合后執行模型推理，并輸出判定結果；其中，訓練的目標包括：最小化生成的所述判定結果與所述危化品判定結果樣本之間的差異；根據所述訓練目標調整所述權重值。
9、根據本申請實施例中一可實現的方式，所述訓練還包括：利用強化學習優化識別策略，根據所述訓練目標，動態調整所述危化品數據模型的參數；其中，所述強化學習策略優化包括以下一項或多項：將化學品識別任務轉化為強化學習中的決策過程；設計多級獎勵機制，引導所述危化品數據模型模型優化識別策略；動態調整識別路徑，在輸入數據不完整或模糊時，優先選擇高權重的推理路徑。
10、根據第二方面，提供了一種危險化學品識別裝置，所述裝置包括：語義庫構建單元，被配置為獲取化學品信息數據，根據所述化學品信息數據，利用深度學習的多模態數據融合算法，構建危化品語義庫；規則庫構建單元，被配置為根據化學品的命名規則和屬性，定義文本變量和數值變量，從所述化學品信息數據中提取危化品判定條件，根據所述文本變量、所述數值變量和所述危化品判定條件建立危化品規則庫；數據模型構建單元，被配置為根據所述化學品信息數據，基于圖神經網絡技術，建立危化品數據模型；判定結果獲取單元，被配置為利用所述危化品語義庫、所述危化品規則庫和所述危化品數據模型構建危化品識別系統；獲取待分類化學品信息，利用所述危化品識別系統對所述待分類化學品信息中的待分類化學品進行分類，獲得危化品判定結果。
11、根據第三方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現上述第一方面中任一項所述的方法的步驟。
12、根據第四方面，提供了一種電子設備，包括：一個或多個處理器；以及與所述一個或多個處理器關聯的存儲器，所述存儲器用于存儲程序指令,所述程序指令在被所述一個或多個處理器讀取執行時，執行上述第一方面中任一項所述的方法的步驟。
13、根據本申請提供的具體實施例，本申請公開了以下技術效果：
14、（1）本申請通過獲取化學品信息數據并利用深度學習的多模態數據融合算法構建危化品語義庫，能夠實現對化學品信息的精準語義分析；結合命名規則和屬性構建危化品規則庫，確保危險化學品判定的邏輯性和全面性；基于圖神經網絡建立的危化品數據模型進一步提升了對化學品之間復雜關聯關系的理解能力。最終，利用語義庫、規則庫和數據模型構建的識別系統能夠高效、準確地分類待測化學品信息，為危險化學品的安全管理提供技術保障。
15、（2）本申請通過循環神經網絡提取化學品信息數據中的文本特征，多模態融合算法對不同數據類型的特征進行綜合分析，能夠有效提升語義庫構建的效率與精準性。在分類過程中引入注意力機制，能夠自動選擇和強化對危險化學品識別至關重要的特征信息，從而使語義庫對復雜、多樣化化學品數據本文檔來自技高網...
【技術保護點】
1.一種危險化學品識別方法，其特征在于，該方法包括：
2.根據權利要求1所述的方法，其特征在于，所述根據所述化學品信息數據，利用深度學習的多模態數據融合算法，構建危化品語義庫包括：
3.根據權利要求1所述的方法，所述根據所述化學品信息數據，基于圖神經網絡技術，建立危化品數據模型包括：
4.根據權利要求1所述的方法，所述利用所述危化品識別系統對所述待分類化學品信息中的待分類化學品進行分類，獲得危化品判定結果包括：
5.根據權利要求4所述的方法，所述結合所述語義匹配結果和所述危險品規則庫生成的所述危險品判定條件，利用所述危化品數據模型對所述待分類化學品進行分類，獲得危化品判定結果包括：
6.根據權利要求1所述的方法，所述利用所述危化品語義庫、所述危化品規則庫和所述危化品數據模型構建危化品識別系統包括：
7.根據權利要求6所述方法，所述訓練還包括：利用強化學習優化識別策略，根據所述訓練目標，動態調整所述危化品數據模型的參數；其中，所述強化學習策略優化包括以下一項或多項：
8.一種危險化學品識別裝置，其特
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種危險化學品識別方法，其特征在于，該方法包括：
2.根據權利要求1所述的方法，其特征在于，所述根據所述化學品信息數據，利用深度學習的多模態數據融合算法，構建危化品語義庫包括：
3.根據權利要求1所述的方法，所述根據所述化學品信息數據，基于圖神經網絡技術，建立危化品數據模型包括：
4.根據權利要求1所述的方法，所述利用所述危化品識別系統對所述待分類化學品信息中的待分類化學品進行分類，獲得危化品判定結果包括：
5.根據權利要求4所述的方法，所述結合所述語義匹配結果和所述危險品規則庫生成的所述危險品判定條件，利用所述危化品數據模型對所述待分類化學品進...
【專利技術屬性】
技術研發人員：趙強，賀小龍，梁培利，靳迎東，
申請(專利權)人：喀斯瑪北京科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。