【技術實現步驟摘要】
本申請涉及信息，特別是涉及一種基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法。
技術介紹
1、隨著城市化進程的加速，城市安全問題日益突出。如果能對城市突發事件進行準確預測，就可提高城市應對突發事件的能力，保障城市生命線運行更加安全。
2、知識圖譜其本質上是揭示不同實體之間關系的一種語義網絡，包含實體、屬性及其之間的各種語義關系，既是一套人工智能技術體系，也是一種知識組織和表達的模式，同時是一種結構化的多相關知識庫。知識圖譜擁有極強的表達能力和建模靈活性，是一種人類可識別且對機器友好的知識表示。其注重事件與事件之間的關系，可以支撐海量多源異構異質的數據語義互通，這使得計算機推理成為了可能。
3、時序知識圖譜預測是根據歷史事件元組對未來缺失的事件要素進行預測，隨著深度學習的發展，近年來呈現出的良好的發展態勢，但是多數模型是在將關注點放在優化實體表征和時間嵌入上，以此來提高預測的準確性，對于具有明確推理路徑的可解釋性預測探索較少。
4、依據知識圖譜預測的發展歷史和表征方法，可將時序知識圖譜預測方法分為基于平移思想的預測方法、基于張量分解的預測方法、基于時刻點過程的預測方法以及基于圖神經網絡的預測方法等幾個類型。
5、遷移思想就是將多關系數據的實體和關系嵌入低維向量空間中表示，在低維空間中頭實體向量和關系向量的矢量和接近于尾實體向量。張量分解的思想就是認為多個二元關系可以直接由三維張量來表示。基于時序點過程的思想就是將實體和關系在時序知識圖譜的出現看作是概率事件，其被表示為條件強度函數
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法。
2、一種基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，該方法包括：
3、獲取原始時序知識圖譜和待預測事件四元組；原始時序知識圖譜四元組數據為文本數據；原始時序知識圖譜包括若干個事件四元組，事件四元組：頭實體，關系謂詞，尾實體，時間戳；原始時序知識圖譜是根據安全預警過程中一系列事件構建的時序知識圖譜。
4、將待預測事件四元組作為推理子圖基點，將基點的一跳先驗鄰居節點作為推理子圖的一階擴展節點，將關系謂詞作為兩個節點間邊的屬性。
5、對基點與其一階擴展節點的實體和關系謂詞進行嵌入。
6、將基點與其一階擴展節點的嵌入向量和節點邊的關系謂詞嵌入向量拼接作為圖注意力機制的輸入，計算節點之間關于待推理事件的注意力值。
7、將基點和其擴展節點的實體嵌入向量分別與其關系謂詞嵌入向量進行拼接，作為霍克斯過程的輸入，計算節點之間關于待推理事件的條件強度值。
8、將注意力值和條件強度值求和作為擴展節點的可能性值。
9、根據可能性值聚合鄰域信息更新節點嵌入，對一階擴展節點進行節點擴展，得到二階擴展節點，進入下一輪節點擴展，經過多輪節點擴展后，選擇關于基點的可能性值最大的節點實體作為待預測事件四元組的實體，完成待預測事件的預測。
10、上述基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，所述方法采用圖注意力機制與事件預測時序點過程中的霍克斯過程，將時間預測過程構建為推理子圖擴展的過程，將待預測節點作為子圖基點，將注意力值和霍克斯過程獲得的條件強度函數值相結合作為子圖搜索擴展和節點嵌入向量更新的依據，推理出事件發展的脈絡，并以此作為前向條件對未來事件進行推理。本方法不僅關注到了事件之間的相對時間間隔信息，進一步提高了預測結果的準確性，而且同樣能夠給出明確的推理路徑，使得事件的預測具有可解釋性，提高城市安全事件的預測準確度，降低安全事件的不良影響。
本文檔來自技高網...【技術保護點】
1.一種基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，其特征在于，對所述基點與其一階擴展節點的實體和關系謂詞進行嵌入，包括：
3.根據權利要求2所述的基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，其特征在于，將所述基點與其一階擴展節點的嵌入向量和節點邊的關系謂詞嵌入向量拼接作為圖注意力機制的輸入，計算節點之間關于待推理事件的注意力值，包括：
4.根據權利要求2所述的基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，其特征在于，將基點和其擴展節點的實體嵌入向量分別與其關系謂詞嵌入向量進行拼接，作為霍克斯過程的輸入，計算節點之間關于待推理事件的條件強度值，包括：
5.根據權利要求1所述的基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，其特征在于，推理子圖擴展的步驟具體包括：
6.根據權利要求1所述的基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，其特征在于，根據所述可能性值聚合鄰域信息更新節點嵌入，包
7.根據權利要求1所述的基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，其特征在于，采用二元交叉熵函數作為損失函數；所述損失函數為：
...【技術特征摘要】
1.一種基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，其特征在于，對所述基點與其一階擴展節點的實體和關系謂詞進行嵌入，包括：
3.根據權利要求2所述的基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，其特征在于，將所述基點與其一階擴展節點的嵌入向量和節點邊的關系謂詞嵌入向量拼接作為圖注意力機制的輸入，計算節點之間關于待推理事件的注意力值，包括：
4.根據權利要求2所述的基于圖注意力網絡和霍克斯過程的可解釋性事件預測方法，其...
【專利技術屬性】
技術研發人員：王超，王嘉賓，谷學強，張萬鵬，羅俊仁，
申請(專利權)人：中國人民解放軍國防科技大學，
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。