CN108665141B - 一种从突发事件预案中自动抽取应急响应流程模型的方法 - Google Patents

一种从突发事件预案中自动抽取应急响应流程模型的方法 Download PDF

Info

Publication number
CN108665141B
CN108665141B CN201810303640.8A CN201810303640A CN108665141B CN 108665141 B CN108665141 B CN 108665141B CN 201810303640 A CN201810303640 A CN 201810303640A CN 108665141 B CN108665141 B CN 108665141B
Authority
CN
China
Prior art keywords
emergency
emergency response
flow
model
tree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810303640.8A
Other languages
English (en)
Other versions
CN108665141A (zh
Inventor
曾庆田
郭文艳
段华
倪维健
李超
鲁法明
刘聪
周长红
赵华
林泽东
宋戈
张峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN201810303640.8A priority Critical patent/CN108665141B/zh
Publication of CN108665141A publication Critical patent/CN108665141A/zh
Application granted granted Critical
Publication of CN108665141B publication Critical patent/CN108665141B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0633Workflow analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/284Lexical analysis, e.g. tokenisation or collocates
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/289Phrasal analysis, e.g. finite state techniques or chunking

Abstract

本发明公开了一种从突发事件预案中自动抽取应急响应流程模型的方法,属于流程挖掘领域,采用应急预案文本段落结构树构建模块、四级响应启动条件表达式抽取模块、流程模型实体元素抽取模块、流程模型关系元素抽取模块、应急响应流程树生成模块和应急响应流程有向图模型生成模块;具体包括如下步骤:构建应急预案文本段落结构树;抽取应急响应流程模型元素;生成应急响应流程模型。本发明首先根据抽取出的流程模型元素和文本段落结构树生成应急响应流程树,然后再转化成应急响应流程有向图模型。本发明不仅可以辅助建模专家完成应急响应流程模型的构建和分析,也可以用于突发事件应急预案文本的检查和修订。

Description

一种从突发事件预案中自动抽取应急响应流程模型的方法
技术领域
本发明属于流程挖掘领域,具体涉及一种从突发事件预案中自动抽取应急响应流程模型的方法。
背景技术
当前的流程建模主要有三种方案:一是由领域建模专家凭借经验手动创建流程模型;二是从日志文件中通过过程挖掘算法生成流程模型;三是使用自然语言处理技术从文本中抽取流程模型。
突发事件应急响应是一个多部门多组织联动协调的复杂过程,应急响应流程对整个响应过程的有效实施具有重要的指导意义。突发事件应急响应流程模型不仅要明确表示出应急处置任务和执行部门之间的对应关系以及任务之间的执行顺序,同时要表示出多部门之间的交互协作关系和应急联动过程,而且图形化的表示形式更利于分析和管理人员对整个应急处置过程的把握。因此,只有经验丰富的应急领域专家才能构建出符合要求的应急响应流程模型。
流程挖掘方法首先通过分析信息系统的事件日志来获取流程实例的轨迹集合,再通过挖掘算法生成流程模型。流程挖掘产生的流程模型可以用来对已有的模型进行补充和改进,也可以用事件日志与已知的流程模型进行比较来完成合规性检查。已有的流程挖掘算法已经比较成熟了,但这种方案的数据源是结构化的事件日志,必须从信息系统中获取。
已有的从自然语言文本抽取流程模型的方案只针对英文,抽取对象包括实体元素和关系元素,实体元素的抽取属于词的识别,包括Actor(动作的执行者)、Action(动作)、Object(动作的执行对象)等,主要借助NLP解析工具完成。在句子的语法解析结果中,Actor对应句子的主语,Action对应句子的谓语,Object对应句子的宾语。NLP工具对英文文本的语法解析结果比较好,但存在大量的被动句和需要指代消解的句子成分,实体对象抽取主要取决于指代消解和被动语态的解析的结果。关系元素的抽取首先需要通过分析语料数据构建流程关系词字典,然后采用字符匹配的方式完成关系元素的抽取,这种方法缺乏普遍适用性,且分析文本需要耗费大量的时间和精力。因此,这种方案的流程模型实体元素抽取容易,但关系元素抽取不仅难度大且可移植性比较差。
综合分析以上三种方法,第一种专家建模的方案生成的流程模型正确且可用性强,但是寻找这种应急领域流程建模专家的难度太大。第二种方法从事件日志中挖掘过程模型,已有的过程挖掘算法已经很成熟了,但对于缺少信息系统的突发事件应急处置过程来说,无法获取相关的事件日志数据。第三种方法的抽取对象与预案文本差异性大,不适用于应急预案文本的抽取过程。
发明内容
针对现有技术中存在的上述技术问题,本发明提出了一种从突发事件预案中自动抽取应急响应流程模型的方法,设计合理,克服了现有技术的不足,具有良好的效果。
为了实现上述目的,本发明采用如下技术方案:
一种从突发事件预案中自动抽取应急响应流程模型的方法,采用应急预案文本段落结构树构建模块、四级响应启动条件表达式抽取模块、流程模型实体元素抽取模块、流程模型关系元素抽取模块、应急响应流程树生成模块和应急响应流程有向图模型生成模块;
应急预案文本段落结构树构建模块,被配置为用于获取预案文本的结构信息;
四级响应启动条件表达式抽取模块,被配置为用于获取四级响应子流程执行条件;
流程模型实体元素抽取模块,被配置为用于获取应急响应任务;
流程模型关系元素抽取模块,被配置为用于获取应急响应任务之间的关系;
应急响应流程树生成模块,被配置为用于生成应急响应流程树;
应急响应流程模型生成模块,被配置为用于生成应急响应流程有向图模型;
所述的从突发事件预案中自动抽取应急响应流程模型的方法,具体包括如下步骤:
步骤1:构建应急预案文本段落结构树;
步骤2:抽取应急响应流程模型元素;
步骤3:生成应急响应流程模型。
优选地,在步骤2中,具体包括如下步骤:
步骤2.1:通过四级响应启动条件表达式抽取模块,获取四级响应子流程的执行条件;
步骤2.2:通过流程模型实体元素抽取模块,获取突发事件应急响应任务;
步骤2.2:通过流程模型关系元素抽取模块,获取应急响应任务之间的关系。
优选地,在步骤3中,具体包括如下步骤:
步骤3.1:通过应急响应流程树生成模块,结合抽取出的流程模型元素和预案文本段落结构树生成应急响应流程树;
步骤3.2:通过应急响应流程模型生成模块,将应急响应流程树转化成应急响应流程有向图模型。
本发明所带来的有益技术效果:
文本段落结构树构建模块:本发明构建文本段落结构树主要为尽可能多的获取文本形态结构信息,用于应急响应任务之间的关系描述,同时也可以为应急响应流程树生成提供准备;已有的英文文本流程模型抽取工作没有考虑文本的层次结构,采用逐句判断的方式获取任务之间的关系使得整个抽取工作比较复杂繁琐;
四级响应启动条件表达式抽取模块:对突发事件应急响应流程模型来说,四级响应启动条件至关重要,决定了四级响应子流程的执行条件;本发明不仅给出四级响应启动条件的严格表达式,同时给出基于词性特征的抽取方法,使抽取出的应急响应流程模型尽可能完整;
流程模型实体元素抽取模块:本发明的流程模型实体元素抽取主要针对中文文本,由于中文分词的原因,使得抽取目标为描述实体元素的词序列;已有的英文文本流程模型抽取主要针对单个词的抽取,所以本发明比已有的工作难度要大;
应急响应任务之间关系抽取模块:在突发事件应急预案文本中表示任务之间关系的特征词比较少,本发明结合关系词字典制定流程模型关系元素抽取规则,使抽取过程更精准;
应急响应流程模型生成模块:本发明根据抽取出的流程模型元素和文本段落结构树,先生成应急响应流程树,然后再转化成应急响应流程有向图模型;已有的工作是直接基于抽取出的流程模型元素制定流程模型生成规则,本发明结合段落结构树,由段落结构树直接映射为流程树,比制定生成规则的方法更加简单有效。
附图说明
图1为本发明一种从突发事件预案中自动抽取应急响应流程模型的方法的流程图。
图2为某省自然灾害救助应急预案的段落结构树示意图。
图3为应急响应流程树示意图。
图4为流程树的顺序关系示意图。
图5为流程树的并发和同步关系示意图。
图6为流程树的选择关系示意图。
图7为流程树的跳转关系示意图。
图8为应急响应流程有向图模型示意图。
图9为有向图模型的顺序关系示意图。
图10为有向图模型的并发和同步关系示意图。
图11为有向图模型的选择关系示意图。
图12为有向图模型的跳转关系示意图。
图13为某省自然灾害应急响应流程模型示意图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明:
一种从突发事件预案中自动抽取应急响应流程模型的方法,其过程如图1所示,具体包括如下步骤:
步骤1:构建应急预案文本段落结构树;
步骤2:抽取应急响应流程模型元素;
步骤2.1:通过四级响应启动条件表达式抽取模块,获取四级响应子流程的执行条件;
步骤2.2:通过流程模型实体元素抽取模块,获取突发事件应急响应任务;
步骤2.2:通过流程模型关系元素抽取模块,获取应急响应任务之间的关系。
步骤3:生成应急响应流程模型;具体包括如下步骤:
步骤3.1:通过应急响应流程树生成模块,结合抽取出的流程模型元素和预案文本段落结构树生成应急响应流程树;
步骤3.2:通过应急响应流程模型生成模块,将应急响应流程树转化成应急响应流程有向图模型。
一、构建应急预案文本段落结构树
为从突发事件应急预案文本形态结构中获取更多的流程信息,将预案文本以树的形式表示。应急预案文本是由多级标题的形式组织的,上一级标题由下一级标题组成,最小标题由段落组成,段落由句子组成,句子分为长句和短句,长句又可以拆分成多个短句。根据这种自上而下依次层层包含的关系构建应急预案文本的段落结构树。
二、抽取应急响应流程模型元素
应急响应流程模型元素主要包括四级响应启动条件表达式、实体元素和关系元素。
(1)抽取四级响应启动条件表达式:四级响应启动条件表达式主要用来描述四级响应流程的执行条件,由若干个分级响应影响因素的取值范围组成,表示为析取范式。结合中文分词和词性标注结果,根据四级响应启动条件表达式组成元素在文本中的词性特征制定抽取规则,最后再将抽取出的元素按照一定的原则生成四级响应启动条件表达式。
(2)抽取流程模型实体元素:应急响应流程模型的实体元素是指应急响应任务,需要抽取的任务属性包括任务执行角色和任务描述。应急响应任务的执行角色主要指应急响应任务的执行部门机构、组织或个人,对应语法解析结果的主语。任务描述主要使用动宾短语,在短语结构解析结果中表示为VP。
(3)抽取流程模型关系元素:突发事件应急流程模型关系元素主要指应急响应任务的执行顺序关系,在预案文本中主要体现为两种情况:一个短句中多个任务之间的关系和多个短句之间的关系。一个短句中多个任务之间的关系通常是发生在多个任务执行角色对应一个任务描述时;多个短句之间的关系通常通过句子之间的连接词体现。
三、生成应急响应流程模型
首先根据抽取出的流程模型元素和预案文本段落结构树生成应急响应流程树,然后在转化成应急响应流程有向图模型。
(1)生成应急响应流程树:应急响应流程树通过树结构来体现流程模型的层次性和嵌套性,叶子节点是活动节点,非叶子节点是操作符节点,表示孩子节点之间的执行顺序关系。首先将抽取出的应急响应任务和任务之间关系表示成流程树的形式,然后将文本段落结构树转化成流程树形式,最后将两者拼接起来形成应急响应流程树。
(2)生成应急响应流程有向图模型:将应急响应流程结构树转化成有向图的形式,矩形表示应急响应任务用,箭头表示任务之间执行顺序,同时需要用网关节点来表示流程树中非叶子节点的操作关系。
本发明共包括六个模块:应急预案文本段落结构树构建模块、四级响应启动条件表达式抽取模块、流程模型实体元素抽取模块、流程模型关系元素抽取模块、应急响应流程树生成模块和应急响应流程模型生成模块。
文本段落结构树构建模块
整个应急预案文本(Text)是由多级标题的形式组织的,上一级标题由下一级标题组成,最小标题由段落组成,段落由句子组成,句子分为长句和短句,长句又可以拆分成多个短句。短句(Short Sentences)指结构简单、词语较少的句子(这里主要指用逗号分隔的句子)。长句(Long Sentences)指结构复杂、词语较多的句子(这里指由多个逗号连接的短句组成的句子)。段落(Paragraph)是由句子或句群组成的,有的段落只有一个句子,称为独句段,多数段落包括不止一个句子或句群,叫多句段(中文段落开头前一般空两个格)。多级标题(Heading levels)是文章层次结构的标志,下一级标题就是对上一级标题的细分。
定义文本段落结构树
P是n个节点的有限集合,任意一棵非空段落结构树只有一个根节点(root),表示整个文本。
(1)n=1时,根节点没有孩子节点,文本由一个短句(short Sentence)组成。
(2)n>1时,根节点有孩子节点,根节点为Text,非叶子节点为Headings、Paragraph或Long Sentence中的一种。双亲节点与孩子节点之间是包含关系,根节点的孩子节点是一级标题,上一级标题的孩子节点是下一级标题,最后一级标题的孩子节点是段落,段落的孩子节点是长句或短句,长句的孩子节点是短句。
文本段落结构树适用于有严格格式的文本,根据文本段落结构树的定义构造某省自然灾害救助应急预案的文本段落结构树,图2所示是关于应急响应的段落结构子树,它的父节点是某省自然灾害救助应急预案文本(根节点),第一层为一级标题,第二层为二级标题,第三层为三级标题,第四层为长句(也称独句段),第五层为短句(叶子节点)。
四级响应启动条件表达式抽取模块
突发事件应急响应过程共有n个分级响应影响因素,分别为x1,x2,...,xn,影响因素的边界分布为5×n的矩阵,表示为
Figure BDA0001615960330000061
Figure BDA0001615960330000062
则当C(k-1)i≠∞时,四级响应启动条件表达式为:
(Ck1≤x1<C(k-1)1)∨(Ck2≤x2<C(k-1)2)∨...∨(Cki≤xi<C(k-1)i)∨...∨(Ckn≤xn<C(k-1)n)
当C(k-1)i=∞时,四级响应启动条件表达式为:
(Ck1≤x1)∨(Ck2≤x2)∨...∨(Cki≤xi)∨...∨(Ckn≤xn)
其中:
(1)分级响应影响因素x=(conID,conName,conUnit),conID∈{1,2,...,n}为影响因素编号,conName为影响因素的名称,conUnit为影响因素单位。
(2)Cki≤xi<C(k-1)i表示k级响应中第i个影响因素的取值范围,其中i为分级响应影响因素的编号,k为分级响应级数,Cki为左边界(闭区间),C(k-1)i为右边界(开区间)。
(3)x1,x2,...,xn之间不存在包含关系。
(4)影响因素边界分布矩阵C满足C4i<C3i<C2i<C1i<C0i
突发事件应急预案中四级响应启动条件表达式的抽取主要针对应急启动条件文本段落结构树中叶子结点的词性标注结果(本发明使用结巴分词工具),分别抽取出影响因素名称、影响因素单位,左边界和右边界,然后根据上述定义将其连接为四级响应启动条件表达式的形式。例如“死亡20人以上、50人以下”的词性标注结果为“死亡/VV 20/CD人/NN以上/LC50/CD人/NN以下/LC”,由此可以识别出“死亡”为影响因素名称,“人”为影响因素单位,“20”为左边界,“50”为右边界,表示为“20人≤死亡人数<50人”。
流程模型实体元素抽取模块:
突发事件应急响应流程模型中实体元素主要指应急响应任务
Task=(Task_ID,TaskDescription,Organization,Grade),Task_ID是任务的编号,TaskDescription是任务描述,一般为动宾短语集合。Organization是任务执行角色,一般指参与应急响应的部门机构、组织和个人。Grade是任务的响应等级,Grade∈{1,2,3,4}。抽取目标为任务的执行角色和任务描述,分别对应句子的主语和动宾短语。
表1 Stanford Parser依存关系名称及其含义
依赖关系名称 含义 依赖关系名称 含义
root 谓语 acomp 形容词的补充
nsubj 名词主语 advcl 状语从句修饰词
conj 连接两个并列的词 advmod 状语
amod 形容词 appos 同位词
attr 属性 compound:nn 名词复合词
cc 并列关系 mark 从句标志
依存句法通过分析出一个句子中词语之间的搭配关系和主、谓、宾、定、状、补等结构来体现语言单位内成分之间的依存关系和修饰关系。本发明使用Stanford Parser工具进行依存关系解析,表示为“relation(governor,dependent)”的形式,relation表示依存关系名称,governor表示依存关系的核心词,dependent表示依存关系的修饰词,本发明会用到的依存关系如表1所示。任务执行角色的抽取首先通过句子依存关系中的“nsubj.dependent”识别出句子的主语即任务执行角色的核心词,然后通过“amod”、“attr”和“compound:nn”等依存关系识别核心词的修饰语,依次将其追加到核心词的前面。有时会有多个任务执行角色,可以根据“conj”依存关系识别其它任务执行角色。应急响应任务描述的抽取首先通过“root.dependent”识别出句子谓语动词的核心词,然后根据语法解析树找出包含谓语动词核心词的最小VP即为描述任务的动宾短语。
例如句子“省减灾委办公室按有关规定统一发布自然灾害损失情况”的依存关系为:“compound:nn(办公室,省),compound:nn(办公室,减灾委),nsubj(发布,办公室),case(规定,按),amod(规定,有关),nmod:prep(发布,规定),advmod(发布,统一),root(ROOT-0,发布),compound:nn(灾害,自然),compound:nn(情况,灾害),compound:nn(情况,损失),dobj(发布,情况)”,语法解析树结果为“(ROOT(IP(NP(NN省)(NN减灾委)(NN办公室))(VP(PP(P按)(NP(ADJP(JJ有关))(NP(NN规定))))(ADVP(AD统一))(VP(VV发布)(NP(NP(NN自然)(NN灾害))(NP(NN损失)(NN情况)))))))”。首先根据“nsubj.dependent”找到主语的核心词“办公室”,然后分别根据与核心词相关的“compound:nn”依存关系依次找到“减灾委”和“省”两个修饰词追加到核心词的前面,这样就得到任务的执行角色“省减灾委办公室”。通过“root.dependent”找到谓语动词“发布”,然后根据句法树找到包含“发布”的最小VP为“发布自然灾害损失情况”即为任务描述。
最后需要将任务执行角色与任务描述拼接为任务,分两种情况:(1)当任务执行角色和任务描述之间是一对一的关系时,直接将两者拼接即可;(2)当任务执行角色和任务描述之间是多对一的关系时,需要将多个任务执行角色分别与任务描述拼接成多个任务,多个任务之间的关系需要根据任务执行角色之间的关系来确定。
流程模型关系元素抽取模块:
流程模型关系元素主要包括选择、并发、同步和跳转四种类型,主要体现为多个任务执行角色之间的关系识别以及句子关系标记词/词序列。多个任务执行角色之间关系包括选择和同步两种,主要通过“和”、“或”、“、”等连接词体现,可以通过“cc.dependent”识别。当cc.dependent=“或”时,任务之间为选择关系,其它情况为同步关系。例如“省财政厅和民政厅及时下拨中央和省自然灾害生活补助资金”句子的依存关系为“compound:nn(民政厅,省),conj(民政厅,财政厅),cc(民政厅,和),compound:nn(民政厅,省),nsubj(下,民政厅),advmod(下,及时),root(ROOT,下),conj(灾害,拨中央),cc(灾害,和),compound:nn(灾害,省),compound:nn(灾害,自然),compound:nn(补助,灾害),compound:nn(补助,生活),compound:nn(资金,补助),dobj(下,资金)”,包含两个任务执行角色“省财政厅”和“省民政厅”,然后根据cc.dependent=“和”判断两个执行角色之间为并发关系。
句子关系标记词蕴含并发、跳转和选择三种任务关系,主要通过“adcl:loc”和“advmod”依存关系识别,体现为“同时”、“必要时”和“或”等词语。例如句子“必要时成立现场指挥部”的依存关系为“advcl:loc(成立,必要),case(必要,时),root(ROOT,成立),compound:nn(指挥部,现场),dobj(成立,指挥部)”,根据advcl:loc.dependent=“必要”判断为跳转关系。
应急响应流程树生成模块
通过上述抽取模块可以得到文本段落结构树叶子结点对应的任务集合以及任务之间的关系,将其以流程树的形式表示出来,同时将文本段落结构的非叶子节点转化成流程树对应的元素,最后形成应急响应流程树。
定义应急响应流程树
T为有限任务集合且
Figure BDA0001615960330000081
为操作符集合。
(1)当n=1时,如果t∈T∪{τ},则PT=t为流程树;
(2)当n>1时,如果PT1,PT2,...,PTn是流程树,则
Figure BDA0001615960330000082
也是流程树。
某省自然灾害应急响应流程树如图3所示,一级响应子树、二级响应子树、三级响应子树和四级响应子树之间为选择执行的关系,四级响应启动条件表达式分别为其执行条件。
突发事件应急预案文本段落结构树中非叶子节点与其孩子节点是包含的关系,孩子节点之间是线性关系,因此与流程树中的“→”操作一致,图4表示任务(或子流程树)t1,t2,…,tn是顺序执行关系。流程模型关系元素抽取结果中任务之间的同步关系和并发关系与流程树中的“∧”操作一致,图5表示任务t1和t2同时执行。流程模型关系元素抽取结果中任务之间的选择关系与流程树中的“×”操作一致,图6表示任务t1和t2只能执行一个。流程模型关系元素抽取结果中任务之间的跳转关系是选择关系的一个特例,如图7所示,τ表示空任务。
应急响应流程模型生成模块
应急响应流程模型为有向图形式,节点包括任务节点、网关节点、开始节点和结束节点,有向边表示任务之间的执行顺序关系。有向图中矩形表示任务节点,菱形表示网关节点,圆圈表示开始节点和结束节点(加粗)。流程树与有向图模型存在直接对应的关系,图8表示应急响应流程有向图模型,在应急响应流程有向图模型中四级响应子流程之间通过两个选择网关连接,四级响应启动条件表达式作为选择网关的分支执行条件。图9表示有向图模型的顺序关系,图10表示有向图模型的并发和同步关系,图11表示有向图模型的选择关系,图12表示有向图模型的跳转关系。
本发明关键点和欲保护点主要有以下几个方面:
文本段落结构树构建技术:本发明根据预案文本格式和句子之间的线性关系构造文本段落结构树,不仅可以将文本的层次结构表示出来,同时可以根据一定的规则转换成应急响应流程树,为流程模型的生成做准备。
四级响应启动条件表达式抽取技术:本发明从四级响应启动条件文本中抽取条件表达式来描述四级响应子流程的执行条件。四级响应启动条件表达式主要是若干个影响因素取值范围的析取范式。
应急响应任务抽取技术:本发明从四级响应启动程序和响应措施文本中抽取应急响应流程模型的实体元素即响应任务。响应任务的抽取包括任务执行角色和任务描述两个属性的抽取,主要基于句的子依存句法分析制定抽取规则来实现。
应急响应任务之间关系抽取技术:本发明除了要完成流程模型实体元素的抽取,还需要抽取流程模型的关系元素即响应任务之间的关系。抽取过程主要结合任务关系字典,基于句子依存句法制定抽取规则来完成。
应急响应流程模型生成技术:结合抽取出的流程模型元素和预案文本段落结构树首先转化成应急响应流程树,然后由流程树生成有向图形式的应急响应流程模型。
本发明是否经过实验、模拟、使用而证明可行,结果如何
本发明的方案通过实验的方式,从某省自然灾害救助应急预案文本中抽取出应急响应流程模型如图13所示。为了能更加清楚的体现不同的组织部门之间的协作关系,任务节点按组织部门分类呈现,如图13中竖直虚线所示。水平虚线将四级响应子流程分开,四级响应执行条件分别在图中第一个网关节点的出边上。四级响应条件表达式中符号含义如表2所示,节点对应的文本内容如表3所示。
表2启动条件表达式的符号含义
Figure BDA0001615960330000101
表3节点对应的文本内容
Figure BDA0001615960330000102
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。

Claims (2)

1.一种从突发事件预案中自动抽取应急响应流程模型的方法,其特征在于:采用应急预案文本段落结构树构建模块、四级响应启动条件表达式抽取模块、流程模型实体元素抽取模块、流程模型关系元素抽取模块、应急响应流程树生成模块和应急响应流程有向图模型生成模块;
应急预案文本段落结构树构建模块,被配置为用于获取预案文本的结构信息;
四级响应启动条件表达式抽取模块,被配置为用于获取四级响应子流程执行条件;
流程模型实体元素抽取模块,被配置为用于获取应急响应任务;
流程模型关系元素抽取模块,被配置为用于获取应急响应任务之间的关系;
应急响应流程树生成模块,被配置为用于生成应急响应流程树;
应急响应流程模型生成模块,被配置为用于生成应急响应流程有向图模型;
所述的从突发事件预案中自动抽取应急响应流程模型的方法,具体包括如下步骤:
步骤1:构建应急预案文本段落结构树;
步骤2:抽取应急响应流程模型元素;
步骤3:生成应急响应流程模型;
在步骤2中,具体包括如下步骤:
步骤2.1:通过四级响应启动条件表达式抽取模块,获取四级响应子流程的执行条件;
步骤2.2:通过流程模型实体元素抽取模块,获取突发事件应急响应任务;
步骤2.2:通过流程模型关系元素抽取模块,获取应急响应任务之间的关系。
2.根据权利要求1所述的从突发事件预案中自动抽取应急响应流程模型的方法,其特征在于:在步骤3中,具体包括如下步骤:
步骤3.1:通过应急响应流程树生成模块,结合抽取出的流程模型元素和预案文本段落结构树生成应急响应流程树;
步骤3.2:通过应急响应流程模型生成模块,将应急响应流程树转化成应急响应流程有向图模型。
CN201810303640.8A 2018-04-03 2018-04-03 一种从突发事件预案中自动抽取应急响应流程模型的方法 Active CN108665141B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810303640.8A CN108665141B (zh) 2018-04-03 2018-04-03 一种从突发事件预案中自动抽取应急响应流程模型的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810303640.8A CN108665141B (zh) 2018-04-03 2018-04-03 一种从突发事件预案中自动抽取应急响应流程模型的方法

Publications (2)

Publication Number Publication Date
CN108665141A CN108665141A (zh) 2018-10-16
CN108665141B true CN108665141B (zh) 2022-03-22

Family

ID=63783296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810303640.8A Active CN108665141B (zh) 2018-04-03 2018-04-03 一种从突发事件预案中自动抽取应急响应流程模型的方法

Country Status (1)

Country Link
CN (1) CN108665141B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112488896B (zh) * 2020-12-08 2022-11-04 山东科技大学 应急预案生成方法、装置、计算机设备及存储介质
CN112527961B (zh) * 2020-12-18 2022-05-13 杭州叙简科技股份有限公司 一种应急预案应急响应等级、行政单位职责自动抽取方法
CN113159401B (zh) * 2021-04-06 2022-10-11 山东理工大学 一种基于事件日志挖掘的突发事件应急资源优化配置方法
CN116127079B (zh) * 2023-04-20 2023-06-20 中电科大数据研究院有限公司 一种文本分类方法
CN116521304B (zh) * 2023-07-04 2023-12-01 四川易诚智讯科技有限公司 一种结构化的细颗粒度预案的生成显示方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927360A (zh) * 2014-04-18 2014-07-16 北京大学 基于图模型的软件项目语义信息表示及检索方法
CN104767834A (zh) * 2006-04-12 2015-07-08 思杰系统有限公司 用于加速计算环境到远程用户的传送的系统和方法
CN105653401A (zh) * 2015-12-28 2016-06-08 中国民生银行股份有限公司 应用系统灾备、运维、监控和应急启停调度方法及装置
CN106603708A (zh) * 2016-12-30 2017-04-26 中国建设银行股份有限公司 一种业务处理方法及装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8755939B2 (en) * 2008-06-30 2014-06-17 Rockwell Automation Technologies, Inc. Throughput/yield optimized model predictive control
US8504490B2 (en) * 2010-04-09 2013-08-06 Microsoft Corporation Web-scale entity relationship extraction that extracts pattern(s) based on an extracted tuple
CN102184217B (zh) * 2011-05-04 2014-03-19 西安电子科技大学 安全生产应急预案文档生成系统和方法
US9241069B2 (en) * 2014-01-02 2016-01-19 Avaya Inc. Emergency greeting override by system administrator or routing to contact center
CN106651071B (zh) * 2015-10-29 2022-03-18 国网智能电网研究院 一种用于电力突发事件的应急处理方法
CN106682246A (zh) * 2015-11-05 2017-05-17 国家电网公司 一种电网应急演练方案图形化设计平台
CN106202561B (zh) * 2016-07-29 2019-10-01 北京联创众升科技有限公司 基于文本大数据的数字化应急管理案例库构建方法及装置
CN106156365B (zh) * 2016-08-03 2019-06-18 北京儒博科技有限公司 一种知识图谱的生成方法及装置
CN106651714A (zh) * 2016-09-09 2017-05-10 浙江大学 一种智能工厂安全态势及应急指挥信息可视化系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104767834A (zh) * 2006-04-12 2015-07-08 思杰系统有限公司 用于加速计算环境到远程用户的传送的系统和方法
CN103927360A (zh) * 2014-04-18 2014-07-16 北京大学 基于图模型的软件项目语义信息表示及检索方法
CN105653401A (zh) * 2015-12-28 2016-06-08 中国民生银行股份有限公司 应用系统灾备、运维、监控和应急启停调度方法及装置
CN106603708A (zh) * 2016-12-30 2017-04-26 中国建设银行股份有限公司 一种业务处理方法及装置

Also Published As

Publication number Publication date
CN108665141A (zh) 2018-10-16

Similar Documents

Publication Publication Date Title
CN108665141B (zh) 一种从突发事件预案中自动抽取应急响应流程模型的方法
US9710458B2 (en) System for natural language understanding
US9824083B2 (en) System for natural language understanding
Bajwa et al. SBVR business rules generation from natural language specification
CN104679850B (zh) 地址结构化方法及装置
Woodsend et al. Generation with quasi-synchronous grammar
Btoush et al. Generating ER diagrams from requirement specifications based on natural language processing
US10503769B2 (en) System for natural language understanding
CN110069636B (zh) 融合依存关系与篇章修辞关系的事件时序关系识别方法
Abdelnabi et al. Generating UML class diagram using NLP techniques and heuristic rules
Umber et al. NL-based automated software requirements elicitation and specification
Arunthavanathan et al. Support for traceability management of software artefacts using natural language processing
CN113609838A (zh) 文档信息抽取及图谱化方法和系统
Nguyen et al. A vietnamese question answering system
Sandillon-Rezer et al. Using tree transducers for grammatical inference
Kaljurand et al. Collaborative multilingual knowledge management based on controlled natural language
Sugandhi et al. Issues in parsing for machine aided translation from english to hindi
Dedhia et al. Techniques to automatically generate entity relationship diagram
Niklaus et al. Shallow discourse parsing for open information extraction and text simplification
Wang et al. Design of an Intelligent Support System for English Writing Based on Rule Matching and Probability Statistics.
Krzywicki et al. A knowledge acquisition method for event extraction and coding based on deep patterns
Kardava et al. Morphological synthesis and analysis of georgian words
Meera et al. Multilingual machine translation with semantic and disambiguation
Spence et al. Syntactic annotation of a Hupa text corpus
Shahzadi et al. UMagic! THE UML modeler for text documents

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant