【技術實現步驟摘要】
本專利技術屬于人工智能，特別涉及基于人工智能的數字建模響應方法、系統、設備及介質。
技術介紹
1、數字建模技術在公共安全領域被廣泛應用于風險預測與評估。通過建立數學模型，可以分析歷史數據，識別潛在的風險因素，并預測未來可能發生的公共安全事件。這種預測能力有助于公安機關提前采取措施，減低風險。但傳統數字建模平臺對人員素質的要求較高，需要具備多方面的能力和素質。數字建模涉及到復雜的數學運算和統計分析，要求用戶具備扎實的數學和統計學基礎，能夠理解和應用各種數學模型和算法。并且傳統數字建模平臺往往需要用戶編寫代碼或腳本來實現特定的建模功能，用戶需要具備一定的編程能力。上述的要求限制了更多的人參與到數字建模工作中來。
2、公開號為wo2022100357a1的專利公開了一種構建部署文本實體關系提取模型的方法和存儲設備。所述一種構建部署文本實體關系提取模型的方法，包括步驟：創建項目工程，創建數據存儲目錄；采集數據，對所述數據進行預處理；根據第四預設規范對所述預處理后的數據進行標注，抽取評估數據，并根據第五預設規范對所述評估數據進行數據評估；對標注后的數據進行切分成不同類型數據；選定訓練模型，并將所述不同類型數據進行處理使得符合所述訓練模型接收的數據格式；根據處理后的測試數據和處理后的評估數據對訓練后的訓練模型進行模型評估，若評估合格，則發布評估合格的模型。該專利技術所述方法對數據的預處理操作較為常規，未能挖掘數據的潛在模式、結構和完整性，且在文本實體關系提取模型的構建中，用戶必須具備數據標注和機器學習的相關知識。在標注和評估階段
技術實現思路
1、本專利技術提供一種基于人工智能的數字建模響應方法、系統、設備及介質，旨在解決現有基于人工智能的數字建模技術在公共安全領域擁有較高的準入門檻和復雜的使用流程、非專業用戶在參與數字建模過程中受到顯著的限制的問題。
2、為解決上述技術問題，本專利技術提供一種基于人工智能的數字建模響應方法，包括以下步驟：
3、s1：通過外部數據源獲取各類形式的多層級公安系統業務數據，所述公安系統業務數據用于進行查詢違規行為預警。
4、s2：對獲取的公安系統業務數據進行數據過濾、數據恢復、數據豐富化以及數據序列化的預處理操作，形成標準的結構化數據。
5、s3：用戶通過可視化界面輸入數字建模需求的文本信息，使用大語言模型對用戶輸入的文本信息進行語義識別得到文本信息特征。
6、s4：根據文本信息特征的性質和任務選取相應的數字建模需求信息特征，結合標準的結構化數據構建數據分析模型，根據數據分析模型輸出數字建模結果。
7、優選的，采集的公安系統業務數據包括但不限于：公安系統審計日志數據、公安系統應用數據、公安組織機構數據以及公安人員信息數據。
8、所述公安系統審計日志數據包括但不限于：安全審計日志、應用審計日志、終端行為日志。
9、所述公安系統應用數據包括但不限于：應用系統清單數據、應用訪問日志數據、應用數據庫訪問數據、應用流量數據。
10、所述公安組織機構數據包括但不限于：組織機構名稱、組織機構編碼、部門類型、崗位類型。
11、所述公安人員信息數據包括但不限于：人員姓名、身份證號、所屬機構、人員職級、人員職責。
12、優選的，預處理操作具體為：
13、數據過濾為對公安系統業務數據進行去除重復記錄、空值和異常值的數據清洗與統一格式化處理，并根據定義的過濾條件進行數據過濾。
14、數據恢復為對公安系統業務數據構建數據點并組成數據集，根據數據集構建圖結構，對構建的圖進行隨機路徑探索生成若干隨機路徑，根據隨機路徑的探索結果，結合隨機路徑的出現頻率和相似度，通過自適應加權計算缺失數據點的恢復值。
15、數據豐富化為對公安系統業務數據里的字段獲取公安系統業務數據字段名和字段值，根據豐富化規則得到目標字段的字段名、字段值生成函數，計算后得到豐富化的公安系統業務數據目標字段名和字段值。
16、數據序列化為將豐富化后的公安系統業務數據根據目標公安系統業務數據概要生成統一序列化的公安系統業務數據。
17、優選的，所述自適應加權計算中的權重計算具體為：
18、
19、式中，為第個隨機路徑對缺失數據點的權重；為權重調節因子，控制距離衰減的速度；為隨機路徑中節點和缺失數據點之間的歐式距離，度量節點間的空間距離；為權重調節因子，控制路徑頻率的影響；為節點在隨機路徑中的出現頻率，即節點在多次游走中出現的次數；為游走次數，用于歸一化頻率。
20、優選的，使用大語言模型對用戶輸入的文本信息進行語義識別得到文本信息特征具體為：
21、實體識別：通過上下文識別文本信息中的特定名詞短語。
22、關系抽取：識別和解析文本信息中實體之間的語義關系。
23、語義角色標注：識別文本信息句子中謂詞與其相關名詞短語之間的關系。
24、依存關系分析：研究文本信息句子中詞語之間的結構關系，通過句法分析和語義分析，找出詞語之間的依存關系，從而理解文本信息句子的語義。
25、語義模板匹配：基于模板的語義分析方法，將文本信息與預定義的模板進行比較，從而理解文本信息的語義。
26、深度學習語義表示：利用深度學習技術學習文本信息的語義表示，通過訓練大量的語料庫，自動學習文本信息的語義信息。
27、優選的，所述數字建模的數據分析模型具體包括：異常事件分析模型、統計分析模型以及反向追溯分析模型。
28、異常事件分析模型具體為：利用自動化分析算法實現包括異常賬號、越權操作、高頻操作、敏感數據操作、大量導出操作、異常時間操作、異常位置操作在內的異常事件分析，并支持通過配置策略規則自定義建立異常分析模型。
29、統計分析模型具體為：定義統計分析維度：“人、機構、地域、應用、操作”，通過統計學方法計算各維度的分析指標，對公安系統業務數據進行時序分析和趨勢預測。
30、反向追溯分析模型具體為：通過定義公安系統業務數據中的已知信息、敏感數據，構建人員行為圖，分析人員間的行為關聯及活動模式，對人員的行為進行聚類，挖掘潛在的關聯關系，并進行反向推理，根據圖結構追溯識別源頭事件。
31、優選的，所述方法還包括大語言模型同時生成建模結果的建模參數與數據分析模型性能指標，用戶通過大語言模型調整數字建模的數據分析模型參數或觸發重新進行數字建模操作。
32、另一方面，本專利技術提供一種基于人工智能的數字建模響應系統，包括數據采集模塊、數據預處理模塊、用戶需求分析模塊與數字建模模塊。
33、數據采集模塊，用于通過外部數據源獲取各類形式的多層級公安系統業務數據，所述公安系統業務數本文檔來自技高網...
【技術保護點】
1.一種基于人工智能的數字建模響應方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于人工智能的數字建模響應方法，其特征在于，采集的公安系統業務數據包括但不限于：公安系統審計日志數據、公安系統應用數據、公安組織機構數據以及公安人員信息數據；
3.根據權利要求1所述的基于人工智能的數字建模響應方法，其特征在于，預處理操作具體為：
4.根據權利要求3所述的基于人工智能的數字建模響應方法，其特征在于，所述自適應加權計算中的權重計算具體為：
5.根據權利要求1所述的基于人工智能的數字建模響應方法，其特征在于，使用大語言模型對用戶輸入的文本信息進行語義識別得到文本信息特征具體為：
6.根據權利要求1所述的基于人工智能的數字建模響應方法，其特征在于，所述數字建模的數據分析模型具體包括：異常事件分析模型、統計分析模型以及反向追溯分析模型；
7.根據權利要求1所述的基于人工智能的數字建模響應方法，其特征在于，所述方法還包括大語言模型同時生成建模結果的建模參數與數據分析模型性能指標，用戶通過大語言模型調整數字建模的數
8.一種基于人工智能的數字建模響應系統，其特征在于，包括數據采集模塊、數據預處理模塊、用戶需求分析模塊與數字建模模塊；
9.一種電子設備，所述電子設備包括：存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7中任一項所述的基于人工智能的數字建模響應方法。
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，所述計算機程序被處理器執行時實現如權利要求1至7中任一項所述的基于人工智能的數字建模響應方法。
...【技術特征摘要】
1.一種基于人工智能的數字建模響應方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于人工智能的數字建模響應方法，其特征在于，采集的公安系統業務數據包括但不限于：公安系統審計日志數據、公安系統應用數據、公安組織機構數據以及公安人員信息數據；
3.根據權利要求1所述的基于人工智能的數字建模響應方法，其特征在于，預處理操作具體為：
4.根據權利要求3所述的基于人工智能的數字建模響應方法，其特征在于，所述自適應加權計算中的權重計算具體為：
5.根據權利要求1所述的基于人工智能的數字建模響應方法，其特征在于，使用大語言模型對用戶輸入的文本信息進行語義識別得到文本信息特征具體為：
6.根據權利要求1所述的基于人工智能的數字建模響應方法，其特征在于，所述數字建模的數據分析模型具體包括：異常事件分析模型、統計分析模型以及...
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。