CN110008355A - 基于知识图谱的灾害场景信息融合方法及装置 - Google Patents
基于知识图谱的灾害场景信息融合方法及装置 Download PDFInfo
- Publication number
- CN110008355A CN110008355A CN201910290465.8A CN201910290465A CN110008355A CN 110008355 A CN110008355 A CN 110008355A CN 201910290465 A CN201910290465 A CN 201910290465A CN 110008355 A CN110008355 A CN 110008355A
- Authority
- CN
- China
- Prior art keywords
- disaster
- data
- kainogenesis
- knowledge
- knowledge mapping
- 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.)
- Pending
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 41
- 238000013507 mapping Methods 0.000 claims abstract description 100
- 230000004927 fusion Effects 0.000 claims abstract description 39
- 239000007787 solid Substances 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000001939 inductive effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 6
- 230000006378 damage Effects 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 25
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 230000019771 cognition Effects 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 235000017048 Garcinia mangostana Nutrition 0.000 description 3
- 240000006053 Garcinia mangostana Species 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011022 operating instruction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及灾害应急处理技术领域,具体涉及一种基于知识图谱的灾害场景信息融合方法及装置,方法包括:构建灾害场景的本体模型;构建关于灾害场景的知识图谱;灾害发生后,收集新发生灾害的数据信息;结合知识图谱对新发生灾害进行灾害场景信息融合。本发明提供一种基于知识图谱的灾害场景信息融合方法及装置,从机器认知角度,将知识图谱与灾害场景态势感知及理解相结合,研究了多源异构信息的内涵和语义,并设计了灾害场景信息融合方法,可为工程应用提供支撑。
Description
技术领域
本发明涉及灾害应急处理技术领域,具体涉及一种基于知识图谱的灾害 场景信息融合方法及装置。
背景技术
随着灾害事件的爆发,人们深刻体会到灾害对经济、社会、环境以及生 产生活造成的严重影响。为避免或减轻灾害导致的损失,学界从灾害的内在 规律、演化机理以及应急管理策略等方向上开展了众多有意义的研究。另外, 近年来随着信息技术的快速发展,特别是人工智能、大数据、云计算、物联 网、地理信息等新技术的出现,为解决灾害场景的态势感知提供了思路。
灾害场景态势感知主要指对有限时空范围内灾害环境要素的察觉和理 解,并对其未来的发展状况进行有效预测,而解决灾害场景态势感知问题的 最核心任务是灾害场景信息的实时融合。众所周知,灾害发生后,包括孕灾 环境、承灾体及应急预案等方面的各类型的数据将汇集到一起,应急决策主 体通过对其进行分析和研判,最终确定应急处置方案。或许,在此环境下, 由于信息来源非常广泛、体量巨大、种类繁多且数据格式多样,将阻碍决策 指挥人员快速理解信息和制定相关应急处置方案,影响应急救援的正常开展。 为解决此问题,众多学者也进行了广泛的研究。“面向自然灾害应急任务的时 空数据智能聚合方法”通过构建灾害应急任务与灾害数据的统一描述模型, 并定义了灾害语义约束的“任务-数据”关联方法,提出了面向自然灾害任务 驱动的多层次自适应数据智能聚合方法。面对大量复杂多源异构突发事件主 客观数据,“基于多源数据融合的突发事件决策需求研究”利用粒度原理对数 据和决策需求进行粒度化表示,并通过距离熵来量化各类数据间的关联程度, 实现了突发事件决策需求的精准获取和融合。“基于距离熵的应急决策层信息 融合方法”针对决策层信息融合难以满足应急快速决策的问题,提出基于距 离熵的决策权重确定方法,并建立了包括信息预处理、局部融合和全局融合 三阶段的决策层信息融合框架。
或许,上述方法多以基于具体物理模型实现,存在依赖决策主体决策能 力的缺陷,而随着复杂灾害链中海量数据的涌现,这些方法难以发挥数据的 最大价值,亟待建立态势理解的新方法。
发明内容
本发明的目的在于提供一种基于知识图谱的灾害场景信息融合方法及装 置,从机器认知角度,将知识图谱与灾害场景态势感知及理解相结合,研究 了多源异构信息的内涵和语义,并设计了灾害场景信息融合方法,可为工程 应用提供支撑。
为了实现上述目的,本发明提供如下技术方案:
本发明提供一种基于知识图谱的灾害场景信息融合方法,所述基于知识 图谱的灾害场景信息融合方法包括:
灾害发生后,收集新发生灾害的灾害数据;所述灾害数据包括新发生灾 害的实体数据、实体关系数据和实体属性数据;
将新发生灾害的实体数据和实体属性数据与已有知识图谱进行匹配;
结合已有知识图谱对新发生灾害进行灾害场景信息融合。
在上述的基于知识图谱的灾害场景信息融合方法中,作为优选方案,所 述收集新发生灾害的灾害数据之前,还包括:
配置已有记录的灾害场景的知识图谱。
在上述的基于知识图谱的灾害场景信息融合方法中,作为优选方案,所 述知识图谱包括有模式层和数据层;
所述模式层包括知识图谱的本体元语模型;其中本体元语模型包括概念、 关系、函数、公理和实例,本体模型的元语集合表示为:
O={C,R,F,A,I}
其中,O为本体元语集合,C为概念集合,R为关系集合,F为函数集 合,A为公理集合,I为实例集合;
所述数据层包括有已有记录的灾害场景实体数据、实体关系数据和实体 属性数据。
在上述的基于知识图谱的灾害场景信息融合方法中,作为优选方案,所 述配置已有记录的灾害场景的知识图谱,包括:
构建已有记录的灾害场景的知识图谱;或
选择已有的关于灾害场景的知识图谱。
在上述的基于知识图谱的灾害场景信息融合方法中,作为优选方案,所 述构建已有记录的灾害场景的知识图谱,包括:
从一个或多个已有记录的灾害数据源中获取已有记录灾害场景的数据信 息;其中,所述数据信息包括有已有记录灾害的实体数据、实体关系数据和 实体属性数据,所述实体信息包括有多个分别属于致灾因子、孕灾环境、承 灾体或应对措施的实体数据;
对所获取的数据信息进行知识融合,消除数据间的矛盾和歧义;
对知识融合后的数据信息进行知识推理;
将知识推理后的数据信息对应于本体元语模型存入已有记录的灾害场景 的知识图谱数据库的数据层。
在上述的基于知识图谱的灾害场景信息融合方法中,作为优选方案,所 述收集新发生灾害的灾害数据,包括:
从新发生灾害的监测状态数据中获取新发生灾害的基本信息、位置信息 和未来动向;
从新发生灾害的图像信息中获取新发生灾害的破坏情况;
从新发生灾害的文字信息中获取新发生灾害的登陆地信息;
从新发生灾害的语音信息中获取新发生灾害的风险程度。
在上述的基于知识图谱的灾害场景信息融合方法中,作为优选方案,所 述新发生灾害的实体数据和实体属性数据与已有知识图谱进行匹配,包括:
通过新发生灾害的实体数据和实体属性数据进行语义相似度计算,与已 有知识图谱的概念进行匹配;
建立新发生灾害的关系三元组,所述关系三元组表示为:<第一实体, 关系,第二实体>;
分别对新发生灾害的关系三元组与已有知识图谱中的关系三元组进行语 义相似度计算;
确定与新发生灾害的关系三元组最相似的、已有知识图谱中的关系三元 组。
在上述的基于知识图谱的灾害场景信息融合方法中,作为优选方案,所 述结合已有知识图谱对新发生灾害进行灾害场景信息融合之后,还包括:
将新发生灾害的灾害数据添加至已有知识图谱。
本发明还提供一种基于知识图谱的灾害场景信息融合装置,所述基于知 识图谱的灾害场景信息融合装置,包括:
灾害数据收集模块,所述灾害数据收集模块用于从新发生灾害的监测状 态数据、图像信息、文字信息和语音信息方面收集新发生灾害的灾害数据;
知识图谱匹配模块,所述知识图谱匹配模块用于将新发生灾害的实体数 据和实体属性数据与已有知识图谱进行匹配;
知识图谱融合模块,所述知识图谱融合模块用于结合已有知识图谱对新 发生灾害进行灾害场景信息融合;
优选地,还包括:
已有知识图谱配置模块,所述已有知识图谱配置模块用于配置已有记录 的灾害场景的知识图谱。
在上述的基于知识图谱的灾害场景信息融合装置中,作为优选方案,所 述知识图谱匹配模块包括:
实体与概念匹配模块,所述实体与概念匹配模块用于通过对新发生灾害 的实体数据和实体属性数据进行语义相似度计算,与已有知识图谱的概念进 行匹配;
关系三元组建立模块,所述关系三元组建立模块用于建立新发生灾害的 关系三元组,所述关系三元组表示为:<第一实体,关系,第二实体>;
关系三元组相似度计算模块,所述关系三元组相似度计算模块用于分别 对新发生灾害的关系三元组与已有知识图谱中的关系三元组进行语义相似度 计算;
最优关系三元组确定模块,所述最优关系三元组确定模块用于确定与新 发生灾害的关系三元组最相似的、已有知识图谱中的关系三元组。
与最接近的现有技术相比,本发明提供的技术方案具有如下有益效果:
本发明提供一种基于知识图谱的灾害场景信息融合方法,具有如下优点:
本发明提供一种基于知识图谱的灾害场景信息融合方法,从机器认知角 度,将知识图谱与灾害场景态势感知及理解相结合,研究了多源异构信息的 内涵和语义,并设计了灾害场景信息融合方法,可为工程应用提供支撑,加 强灾害要素间的建模和理解,推动跨部门的应急协同,真正实现基于“一张 图”的综合应急。
本发明还提供一种基于知识图谱的灾害场景信息融合装置,其有益效果 与基于知识图谱的灾害场景信息融合方法类似,不再赘述。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本 发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限 定。其中:
图1是本发明实施例所提供的基于知识图谱的灾害场景信息融合方法的 总体流程示意图;
图2是本发明实施例所提供的基于知识图谱的灾害场景信息融合方法的 知识图谱构建流程示意图;
图3是本发明实施例所提供的基于知识图谱的灾害场景信息融合方法的 灾害场景信息融合流程示意图;
图4是本发明实施例所提供的基于知识图谱的灾害场景信息融合方法具 体应用时的灾害场景本体思维导图;
图5是本发明实施例所提供的基于知识图谱的灾害场景信息融合方法具 体应用时的“山竹”灾害场景知识图谱。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不 冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、 “左”、“右”、“竖直”、“水平”、“顶”、“底”等指示的方位或位置关系为基 于附图所示的方位或位置关系,仅是为了便于描述本发明而不是要求本发明 必须以特定的方位构造和操作,因此不能理解为对本发明的限制。本发明中 使用的术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可 以是可拆卸连接;可以是直接相连,也可以通过中间部件间接相连,对于本 领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明提供了一种基于知识图谱的灾害场景信息融合方法,所基于知识 图谱的灾害场景信息融合方法包括以下步骤:
步骤S101、配置已有记录的灾害场景的知识图谱。
步骤S102、灾害发生后,收集新发生灾害的灾害数据;所述灾害数据包 括新发生灾害的实体数据、实体关系数据和实体属性数据。
步骤S103、将新发生灾害的实体数据和实体属性数据与已有知识图谱进 行匹配。
步骤S104、结合已有知识图谱对新发生灾害进行灾害场景信息融合。
如图1和图2所示,本发明的具体实施例提供了一种基于知识图谱的灾 害场景信息融合方法,所基于知识图谱的灾害场景信息融合方法具体包括以 下步骤:
步骤S201、构建灾害场景的本体模型;构建灾害场景的本体模型的元语 集合,集合元语包括有概念、关系、函数、公理和实例,本体模型的元语集 合表示为:
O={C,R,F,A,I}
其中,O为本体元语集合,C为概念集合;R为关系集合;F为函数集 合;A为公理集合;I为实例集合。
所述概念包括有致灾因子、孕灾环境、承灾体和应对措施;所述关系表 示概念之间的二元关系和概念之间的语义关系;所述函数表示由目前已知的 元素可唯一确定的元素;所述公理表示灾害场景本体领域内始终成立的声明; 所述实例表示概念和关系的实例集合。
上述的基于灾害场景的知识图谱构建方法中,作为优选方案,所述致灾 因子包括气象灾害、水旱灾害、地震、地质灾害和海洋灾害等;所述气象灾 害包括台风、暴雨、冰雹、雷电、沙尘暴、热浪和寒潮等;所述水旱灾害包 括洪水、水库决堤和干旱等;所述地质灾害包括火山爆发、山体崩塌、山体 滑坡和泥石流等;所述海洋灾害包括海水、海啸和风暴潮等。
在上述的基于灾害场景的知识图谱构建方法中,作为优选方案,所述孕 灾环境包括自然环境和社会环境等;所述自然环境包括地形地貌、水文和气 候等;所述社会环境包括工矿商贸、交通系统、公共场所和经济市场等。
在上述的基于灾害场景的知识图谱构建方法中,作为优选方案,所述承 灾体包括人类自身和社会财富等;所述人类自身包括人员受伤、人员死亡和 人员失踪等;所述社会财富包括经济损失、建筑物破坏和生命线工程等。
在上述的基于灾害场景的知识图谱构建方法中,作为优选方案,所述应 对措施包括紧急救护、道路抢修、疏散人员和指挥交通等;所述紧急救护包 括救护人员和医疗资源等;所述抢修道路包括抢修人员和工程机械等;所述 疏散人员包括交通工具和通讯设施等;所述指挥交通包括配备人员等。
步骤S202、对已有记载的灾害场景进行知识抽取;知识抽取的过程为: 从多源异构数据中获取知识单元;对所获取的知识单元进行实体抽取;对所 获取的知识单元进行属性抽取;对所获取的知识单元进行关系抽取。
多源异构数据包括有结构化数据、半结构化数据和非结构化数据,从从 多源异构数据中获取知识单元的过程为:结构化数据中获取知识单元;从半 结构化数据中获取知识单元;从非结构化数据中获取知识单元。对于“实体 抽取”、“属性抽取”、“关系抽取”,意思类似,就是一种知识抽取的过程。具 体讲,结构化数据具有固定格式和显示结构,一般储存于关系型数据库,如 危险化学品生产企业的隐患排查记录;抽取方法是通过建立数据库中概念与 知识图谱中本体的对应关系,以实现从数据库中自动获取实体、属性及关系。 针对各类百科数据中的半结构化知识,如百度百科中的自然灾害信息,一般 采用基于封装器的方法进行抽取。非结构化数据是无结构的纯文本模式,属 于难以抽取的知识,一般采用监督学习的抽取方法,即通过已知的实体对未 知文本进行自动标注。
步骤S203、对所抽取的知识单元进行知识融合。对所抽取的知识单元进 行知识融合从实体匹配和模式对齐两个方面进行,所述实体匹配指将具有不 同标识但表示真实世界中同一对象的实体进行语义消歧,标识为全局唯一的 实体,例如将“洪水”和“洪涝”的两种标识同意实体匹配为“洪水”标识。 所述模式匹配指进行实体属性和属性值的融合。
步骤S204、对所抽取的知识单元进行知识推理。对所抽取的知识单元进 行知识融合后,在知识融合的结果上对知识单元进行推理,也可以从实体关 系和实体属性两个方面进行,对实体关系方面的推理指对实体间潜在的关系 进行推断和理解;对实体属性方面的推理指对实体的属性值进行推理和更新。
针对实体间的关系,可以通过定义链式规则来实现,如人的不安全行为 是导致安全生产事故发生的重要原因,不遵守操作规程、技术素质差等都属 于人的不安全行为,当生产事故发生时存在不遵守操作规程等行为,可以推 理出不遵守操作规程是导致事故发生的直接原因。针对实体属性,可以通过 定义计算规则来实现,如知识图谱中包括台风的移动速度,可以通过推理获 得台风到达陆地的时间。
步骤S205、对新发生灾害进行知识抽取。灾害发生后,对新发生的灾害 进行知识抽取,其中知识单元的来源可以是新闻报道、新发生灾害的监测数 据、有关部门关于灾害的公开或非公开的资料等,系统自动从所有可获知新 发生灾害灾害信息的媒介中获取新发生灾害的知识单元,抽取知识后后矛已 有的知识图谱进行衔接。
步骤S206、从新发生灾害的监测信息、图像信息、文字信息和语音信息 方面收集新发生灾害的数据信息。
步骤S207、建立新发生灾害的关系三元组。所述关系三元组表示为:< 第一实体,关系,第二实体>,假设我们已经有一个比较大的知识图谱。如 果一旦有灾害发生,同时也会伴随着大量信息,这些信息杂乱无章,怎样才 能有效利用,已有的知识图谱就可以产生作用,只需要将新灾害对应的实体 等与原知识图谱中的概念进行匹配,形成三元组。
步骤S208、结合知识图谱对新发生灾害进行灾害场景信息融合。在对新 发生灾害完成知识抽取后,与已构建的知识图谱进行比对。首先,通过实体 名称和属性进行语义相似度计算,并筛选出概念集合;然后,根据同义、包 含等关系,分别对抽取的关系三元组与知识图谱中的关系三元组进行语义相 似度计算;最后,确定最优的概念匹配和关系匹配,实现信息的融合。
与传统的单一信息处理相比,灾害场景的信息融合更加复杂,需要一定 的知识积累,即以成熟的知识库作为基础。
本发明还提供一种基于知识图谱的灾害场景信息融合装置,所述基于知 识图谱的灾害场景信息融合装置,包括:灾害数据收集模块,所述灾害数据 收集模块用于从新发生灾害的监测状态数据、图像信息、文字信息和语音信 息方面收集新发生灾害的灾害数据;知识图谱匹配模块,所述知识图谱匹配 模块用于将新发生灾害的实体数据和实体属性数据与已有知识图谱进行匹 配;知识图谱融合模块,所述知识图谱融合模块用于结合已有知识图谱对新 发生灾害进行灾害场景信息融合。
作为优选方案,基于知识图谱的灾害场景信息融合装置还包括:已有知 识图谱配置模块,所述已有知识图谱配置模块用于配置已有记录的灾害场景 的知识图谱。
在上述的基于知识图谱的灾害场景信息融合装置中,作为优选方案,所 述知识图谱匹配模块包括:实体与概念匹配模块,所述实体与概念匹配模块 用于通过对新发生灾害的实体数据和实体属性数据进行语义相似度计算,与 已有知识图谱的概念进行匹配;关系三元组建立模块,所述关系三元组建立 模块用于建立新发生灾害的关系三元组,所述关系三元组表示为:<第一实 体,关系,第二实体>;关系三元组相似度计算模块,所述关系三元组相似 度计算模块用于分别对新发生灾害的关系三元组与已有知识图谱中的关系三 元组进行语义相似度计算;最优关系三元组确定模块,所述最优关系三元组 确定模块用于确定与新发生灾害的关系三元组最相似的、已有知识图谱中的 关系三元组。
本发明具体实施例提供的一种基于知识图谱的灾害场景信息融合方法, 具体在实际应用时,过程如下:
步骤S1、知识图谱的构建
步骤S1.1、本体构建:
本体是概念化的明确的规范说明,主要包含领域内的概念、属性及概念 之间的关系等。本体构建指从灾害场景中抽取知识,对灾害场景本体进行概 念明确化、形式化表达,最终达成实体的一致理解。灾害场景的本体模型, 其元语包括概念、关系、函数、公理和实例五个方面,可形式化表示为:
O={C,R,F,A,I} (1)
其中,O为本体元语集合;C为概念集合;R为概念间关系集合;F为 概念和关系间函数集合;A为概念和关系的公理集合;I为概念实例化集合。
其中:
(1)本体概念分为致灾因子、孕灾环境、承灾体和应对措施4个基本类, 每个基本类又分为若干子类概念,如致灾因子包括地震、台风、暴雨、雷电、 火山爆发等概念。
(2)对于灾害场景本体模型中的关系,灾害场景本体模型中的二元关系 可以概括为6类,具体情况见表1。
在表1中,关系指概念之间或实体之间的二元关系。同义关系,所述同 义关系表示灾害概念之间的相等关系;包含关系,所述包含关系表示灾害概 念在语义上的上下位关系;因果关系,所述因果关系表示某一种灾害的发生 导致另一种灾害的发生;顺序关系,所述顺序关系表示灾害发生后,相应事 件依据常识按顺序发生;跟随关系,所述跟随关系表示一定时间内,某一事 件发生后另一事件跟着发生;并发关系,所述并发关系表示一定时间内,两 种灾害同时或先后发生;互斥关系,所述互斥关系表示两种灾害不可能同时 存在;空间关系,所述空间关系表示灾害发生的空间位置间的关系;隶属关 系,所述隶属关系表示概念间的层级关系;协同关系,所述协同关系表示概 念间的相互协作关系。
(3)本体函数定义为前m-1个元素可唯一确定第m个元素,如人的出 生年月可确定其年龄。
(4)本体公理表示灾害场景本体领域内始终成立的声明,如地震属于自 然灾害。
(5)本体实例表示概念和关系的实例集合。
表1灾害场景本体模型中的关系
关系语义 | 解释 |
同义关系 | 表示灾害概念之间的相等关系 |
包含关系 | 表示灾害概念在语义上的上下位关系,即“is-a”关系 |
因果关系 | 表示某一种灾害的发生导致了另一种灾害的发生 |
顺序关系 | 表示灾害发生后,相应事件依据常识按顺序发生 |
跟随关系 | 表示一定时间内,某一事件发生后另一事件跟着发生 |
并发关系 | 表示一定时间内,两种灾害同时或先后发生 |
互斥关系 | 表示两种灾害不可能同时存在 |
空间关系 | 表示灾害发生的空间位置间的关系 |
隶属关系 | 表示概念间的层级关系,即下级受上级管理 |
协同关系 | 表示概念间的相互协作关系 |
步骤S1.2、知识图谱构建
灾害场景数据主要来源于结构化、半结构化和非结构化数据,表现出复 杂的多源异构性。因而,从知识来源出发,主要通过知识抽取、知识融合和 知识推理三个步骤来构建知识图谱。知识图谱的构建过程如图1所示。
(1)知识抽取:主要从多源异构数据中获取知识单元,包括灾害及应对 措施知识实体、实体属性以及实体关系。结构化数据一般储存于关系型数据 库,抽取方法是通过建立数据库中概念与知识图谱中本体的对应关系,以实 现从数据库中自动获取实体、属性及关系。对于半结构化知识,如百度百科 中的自然灾害信息,一般采用基于封装器的方法进行抽取。非结构化数据是 无结构的纯文本模式,一般通过已知的实体对未知文本进行自动标注,转为 化有监督学习的方法。
(2)知识融合:该阶段主要进行实体匹配和模式对齐两个层面。实体匹 配主要将具有不同标识但表示真实世界中同一对象的实体进行语义消歧,标 识为全局唯一的实体。模式对齐主要指的是进行实体属性和属性值的融合; 来源于不同数据源的实体,其属性存在不同的语言表达形式,在进行实体属 性整合时,可以考虑的特征有同义词、近义词、属性两端的实体类型等。
(3)知识推理:该阶段包括对实体关系的推理和对实体属性的推理两个 部分,前者是对实体间潜在的关系进行推断和理解,后者则是对实体的属性 值进行推理和更新。知识推理一般采用基于图或逻辑的推理方法。
步骤S2、灾害场景信息融合实现
灾害发生后,随着应急响应的展开,应急指挥中心将收到来自各个方向 的信息。为对灾害场景演化状态进行快速准确研判,需要融合和分析各类数 据。灾害场景信息融合处理流程如图2所示,包括灾害要素知识抽取和信息 融合两个阶段。
步骤S2.1、知识抽取
该阶段对来自各个方向的数据,包括监测状态数据、图像、文字和语音 等多源异构信息进行结构化和非结构化分类处理。按照需求,对于实体和属 性要素,不同种类的数据抽取不同的知识单元,如监测动态数据抽取灾害基 本信息(如名称、类型、级别等)、位置、移动走向等;图像数据抽取承灾体 (如房屋、桥梁、道路等)的损失情况。
对于概念间的关系要素,按照灾害场景本体模型中构建的10种二元关 系,建立关系三元组<实体1,关系语义,实体2>。以跟随关系为例,原生 灾害总是导致次生灾害的发生,三元组可表示为<暴雨,跟随,台风>,即< 实体1,跟随,实体2>。以此类推,建立所有关系的语义集合。
步骤S2.2、信息融合
对于抽取的实体、属性和关系,与已构建的知识图谱进行比对。首先, 通过实体名称和属性进行语义相似度计算,并筛选出概念集合;然后,根据 同义、包含等关系,分别对抽取的关系三元组与知识图谱中的关系三元组进 行语义相似度计算;最后,确定最优的概念匹配和关系匹配,实现信息的融 合。
以下结合具体应用案例对本发明的进行详细说明:
与传统的单一信息处理相比,灾害场景的信息融合更加复杂,需要一定 的知识积累,即以成熟的知识库作为基础。本文以台风灾害场景的信息融合 为例进行说明,主要包括灾害场景本体理解和知识图谱构建两个部分。
步骤S3.1、灾害场景本体理解
如前所述,灾害场景的要素主要包括在致灾因子、孕灾环境、承灾体和 应对措施中,且内部要素众多、关系复杂,为便于理解,这里采用思维导图 的方式进行体系梳理。从灾害本体中心开始,按照致灾因子、孕灾环境、承 灾体和应对措施4个层面进行扩展和深入,形成灾害场景的知识体系,如图 3所示。
步骤S3.2、知识图谱构建
根据灾害场景的本体模型,针对灾害场景内各类结构化和非结构化数据, 按照信息融合处理过程进行分析处理,得到台风灾害的融合信息,并实现灾 害场景的知识图谱展示。下面以台风灾害“山竹”为例进行说明,如图4所 示,虚线上面就是本体模型,称为模式层;虚线下面是具体的数据层,即指 实体。当“山竹”发生后的第一时间,本发明方法可以从所有可获知新发生 灾害灾害信息的媒介中获取新发生灾害的知识单元,如来源地点“西北太平 洋”,登录时间“2018-9-7”,登陆地点(承灾体)“广东省”、“江门市”,受 灾人口“456.17万”等,这些数据都是可以从新发生灾害的已公开信息中获 取,之后构建三元组可表示为<暴雨,跟随,台风>等,与已经建立的灾害场 景知识图谱进行衔接,照信息融合处理过程进行分析处理,得到台风灾害的 融合信息,快速决策应对措施。
知识图谱逐渐成为人工智能领域的热点议题,其是应对多源异构、语义 多变,提升场景态势感知和认知能力的有效途径。灾害复杂环境下,需要加 强灾害要素间的建模和理解,推动跨部门的应急协同,真正实现基于“一张 图”的综合应急。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域 的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则 之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围 之内。
Claims (10)
1.一种基于知识图谱的灾害场景信息融合方法,其特征在于,所述基于知识图谱的灾害场景信息融合方法包括:
灾害发生后,收集新发生灾害的灾害数据;所述灾害数据包括新发生灾害的实体数据、实体关系数据和实体属性数据;
将新发生灾害的实体数据和实体属性数据与已有知识图谱进行匹配;
结合已有知识图谱对新发生灾害进行灾害场景信息融合。
2.如权利要求1所述的基于知识图谱的灾害场景信息融合方法,其特征在于,所述收集新发生灾害的灾害数据之前,还包括:
配置已有记录的灾害场景的知识图谱。
3.如权利要求2所述的基于知识图谱的灾害场景信息融合方法,其特征在于,所述知识图谱包括有模式层和数据层;
所述模式层包括知识图谱的本体元语模型;其中本体元语模型包括概念、关系、函数、公理和实例,本体模型的元语集合表示为:
O={C,R,F,A,I}
其中,O为本体元语集合,C为概念集合,R为关系集合,F为函数集合,A为公理集合,I为实例集合;
所述数据层包括有已有记录的灾害场景实体数据、实体关系数据和实体属性数据。
4.如权利要求3所述的基于知识图谱的灾害场景信息融合方法,其特征在于,所述配置已有记录的灾害场景的知识图谱,包括:
构建已有记录的灾害场景的知识图谱;或
选择已有的关于灾害场景的知识图谱。
5.如权利要求4所述的基于知识图谱的灾害场景信息融合方法,其特征在于,所述构建已有记录的灾害场景的知识图谱,包括:
从一个或多个已有记录的灾害数据源中获取已有记录灾害场景的数据信息;其中,所述数据信息包括有已有记录灾害的实体数据、实体关系数据和实体属性数据,所述实体信息包括有多个分别属于致灾因子、孕灾环境、承灾体或应对措施的实体数据;
对所获取的数据信息进行知识融合,消除数据间的矛盾和歧义;
对知识融合后的数据信息进行知识推理;
将知识推理后的数据信息对应于本体元语模型存入已有记录的灾害场景的知识图谱数据库的数据层。
6.如权利要求2所述的基于知识图谱的灾害场景信息融合方法,其特征在于,所述收集新发生灾害的灾害数据,包括:
从新发生灾害的监测状态数据中获取新发生灾害的基本信息、位置信息和未来动向;
从新发生灾害的图像信息中获取新发生灾害的破坏情况;
从新发生灾害的文字信息中获取新发生灾害的登陆地信息;
从新发生灾害的语音信息中获取新发生灾害的风险程度。
7.如权利要求6所述的基于知识图谱的灾害场景信息融合方法,其特征在于,所述新发生灾害的实体数据和实体属性数据与已有知识图谱进行匹配,包括:
通过新发生灾害的实体数据和实体属性数据进行语义相似度计算,与已有知识图谱的概念进行匹配;
建立新发生灾害的关系三元组,所述关系三元组表示为:<第一实体,关系,第二实体>;
分别对新发生灾害的关系三元组与已有知识图谱中的关系三元组进行语义相似度计算;
确定与新发生灾害的关系三元组最相似的、已有知识图谱中的关系三元组。
8.如权利要求7所述的基于知识图谱的灾害场景信息融合方法,其特征在于,所述结合已有知识图谱对新发生灾害进行灾害场景信息融合之后,还包括:
将新发生灾害的灾害数据添加至已有知识图谱。
9.一种基于知识图谱的灾害场景信息融合装置,其特征在于,所述基于知识图谱的灾害场景信息融合装置,包括:
灾害数据收集模块,所述灾害数据收集模块用于从新发生灾害的监测状态数据、图像信息、文字信息和语音信息方面收集新发生灾害的灾害数据;
知识图谱匹配模块,所述知识图谱匹配模块用于将新发生灾害的实体数据和实体属性数据与已有知识图谱进行匹配;
知识图谱融合模块,所述知识图谱融合模块用于结合已有知识图谱对新发生灾害进行灾害场景信息融合;
优选地,还包括:
已有知识图谱配置模块,所述已有知识图谱配置模块用于配置已有记录的灾害场景的知识图谱。
10.如权利要求9所述的基于知识图谱的灾害场景信息融合装置,其特征在于,所述知识图谱匹配模块包括:
实体与概念匹配模块,所述实体与概念匹配模块用于通过对新发生灾害的实体数据和实体属性数据进行语义相似度计算,与已有知识图谱的概念进行匹配;
关系三元组建立模块,所述关系三元组建立模块用于建立新发生灾害的关系三元组,所述关系三元组表示为:<第一实体,关系,第二实体>;
关系三元组相似度计算模块,所述关系三元组相似度计算模块用于分别对新发生灾害的关系三元组与已有知识图谱中的关系三元组进行语义相似度计算;
最优关系三元组确定模块,所述最优关系三元组确定模块用于确定与新发生灾害的关系三元组最相似的、已有知识图谱中的关系三元组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910290465.8A CN110008355A (zh) | 2019-04-11 | 2019-04-11 | 基于知识图谱的灾害场景信息融合方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910290465.8A CN110008355A (zh) | 2019-04-11 | 2019-04-11 | 基于知识图谱的灾害场景信息融合方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110008355A true CN110008355A (zh) | 2019-07-12 |
Family
ID=67171178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910290465.8A Pending CN110008355A (zh) | 2019-04-11 | 2019-04-11 | 基于知识图谱的灾害场景信息融合方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110008355A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489395A (zh) * | 2019-07-27 | 2019-11-22 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 自动获取多源异构数据知识的方法 |
CN110569371A (zh) * | 2019-09-17 | 2019-12-13 | 出门问问(武汉)信息科技有限公司 | 一种知识图谱构建方法、装置及存储设备 |
CN110598005A (zh) * | 2019-09-06 | 2019-12-20 | 中科院合肥技术创新工程院 | 一种面向公共安全事件的多源异构数据知识图谱构建方法 |
CN110609903A (zh) * | 2019-08-01 | 2019-12-24 | 华为技术有限公司 | 信息表示方法及装置 |
CN110750654A (zh) * | 2019-10-28 | 2020-02-04 | 中国建设银行股份有限公司 | 知识图谱获取方法、装置、设备和介质 |
CN111522967A (zh) * | 2020-04-27 | 2020-08-11 | 北京百度网讯科技有限公司 | 知识图谱构建方法、装置、设备以及存储介质 |
CN111753100A (zh) * | 2020-06-30 | 2020-10-09 | 广州小鹏车联网科技有限公司 | 一种针对车载应用的知识图谱生成方法和服务器 |
CN112085122A (zh) * | 2020-09-21 | 2020-12-15 | 中国科学院上海微系统与信息技术研究所 | 一种基于本体的半监督图像场景语义深化方法 |
CN112215458A (zh) * | 2020-09-01 | 2021-01-12 | 青岛海信网络科技股份有限公司 | 灾害分析方法和电子设备 |
CN112328794A (zh) * | 2020-11-10 | 2021-02-05 | 南京师范大学 | 台风事件信息聚合方法 |
CN112365078A (zh) * | 2020-11-23 | 2021-02-12 | 南京莱斯信息技术股份有限公司 | 一种基于灾害链的多灾种耦合与次生衍生演化预测系统 |
CN112381159A (zh) * | 2020-11-18 | 2021-02-19 | 北京金山云网络技术有限公司 | 敏感数据识别方法、装置及设备 |
CN112559762A (zh) * | 2020-12-09 | 2021-03-26 | 中电科新型智慧城市研究院有限公司 | 一种公共安全知识图谱构建方法、装置及可读存储介质 |
CN113032516A (zh) * | 2021-05-27 | 2021-06-25 | 中国科学院自动化研究所 | 基于近似本体匹配的知识图谱融合方法 |
CN113139022A (zh) * | 2021-04-29 | 2021-07-20 | 同济大学 | 一种基于混合规则的企业物流数据按需融合方法 |
CN114218406A (zh) * | 2022-02-17 | 2022-03-22 | 杭州杰牌传动科技有限公司 | 基于传动知识图谱的传动解决方案生成方法及系统 |
CN116611546A (zh) * | 2023-04-14 | 2023-08-18 | 中国科学院空天信息创新研究院 | 基于知识图谱的目标研究区域滑坡预测方法及系统 |
CN117252255A (zh) * | 2023-07-31 | 2023-12-19 | 中国矿业大学(北京) | 一种面向辅助决策的灾害应急知识图谱构建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508871A (zh) * | 2011-10-12 | 2012-06-20 | 中国测绘科学研究院 | 一种面向灾害事件的地理对象本体构建方法 |
CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
US20190019088A1 (en) * | 2017-07-14 | 2019-01-17 | Guangdong Shenma Search Technology Co., Ltd. | Knowledge graph construction method and device |
CN109446343A (zh) * | 2018-11-05 | 2019-03-08 | 上海德拓信息技术股份有限公司 | 一种公共安全知识图谱构建的方法 |
-
2019
- 2019-04-11 CN CN201910290465.8A patent/CN110008355A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508871A (zh) * | 2011-10-12 | 2012-06-20 | 中国测绘科学研究院 | 一种面向灾害事件的地理对象本体构建方法 |
US20190019088A1 (en) * | 2017-07-14 | 2019-01-17 | Guangdong Shenma Search Technology Co., Ltd. | Knowledge graph construction method and device |
CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
CN109446343A (zh) * | 2018-11-05 | 2019-03-08 | 上海德拓信息技术股份有限公司 | 一种公共安全知识图谱构建的方法 |
Non-Patent Citations (1)
Title |
---|
刘峤 等: "知识图谱构建技术综述", 《计算机研究与发展》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489395B (zh) * | 2019-07-27 | 2022-07-29 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 自动获取多源异构数据知识的方法 |
CN110489395A (zh) * | 2019-07-27 | 2019-11-22 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 自动获取多源异构数据知识的方法 |
CN110609903A (zh) * | 2019-08-01 | 2019-12-24 | 华为技术有限公司 | 信息表示方法及装置 |
WO2021018154A1 (zh) * | 2019-08-01 | 2021-02-04 | 华为技术有限公司 | 信息表示方法及装置 |
CN110598005A (zh) * | 2019-09-06 | 2019-12-20 | 中科院合肥技术创新工程院 | 一种面向公共安全事件的多源异构数据知识图谱构建方法 |
CN110598005B (zh) * | 2019-09-06 | 2022-08-16 | 中科院合肥技术创新工程院 | 一种面向公共安全事件的多源异构数据知识图谱构建方法 |
CN110569371A (zh) * | 2019-09-17 | 2019-12-13 | 出门问问(武汉)信息科技有限公司 | 一种知识图谱构建方法、装置及存储设备 |
CN110750654A (zh) * | 2019-10-28 | 2020-02-04 | 中国建设银行股份有限公司 | 知识图谱获取方法、装置、设备和介质 |
CN111522967A (zh) * | 2020-04-27 | 2020-08-11 | 北京百度网讯科技有限公司 | 知识图谱构建方法、装置、设备以及存储介质 |
CN111522967B (zh) * | 2020-04-27 | 2023-09-15 | 北京百度网讯科技有限公司 | 知识图谱构建方法、装置、设备以及存储介质 |
CN111753100A (zh) * | 2020-06-30 | 2020-10-09 | 广州小鹏车联网科技有限公司 | 一种针对车载应用的知识图谱生成方法和服务器 |
CN112215458A (zh) * | 2020-09-01 | 2021-01-12 | 青岛海信网络科技股份有限公司 | 灾害分析方法和电子设备 |
CN112085122A (zh) * | 2020-09-21 | 2020-12-15 | 中国科学院上海微系统与信息技术研究所 | 一种基于本体的半监督图像场景语义深化方法 |
CN112328794A (zh) * | 2020-11-10 | 2021-02-05 | 南京师范大学 | 台风事件信息聚合方法 |
WO2022099927A1 (zh) * | 2020-11-10 | 2022-05-19 | 南京师范大学 | 台风事件信息聚合方法 |
CN112381159A (zh) * | 2020-11-18 | 2021-02-19 | 北京金山云网络技术有限公司 | 敏感数据识别方法、装置及设备 |
CN112365078A (zh) * | 2020-11-23 | 2021-02-12 | 南京莱斯信息技术股份有限公司 | 一种基于灾害链的多灾种耦合与次生衍生演化预测系统 |
CN112559762A (zh) * | 2020-12-09 | 2021-03-26 | 中电科新型智慧城市研究院有限公司 | 一种公共安全知识图谱构建方法、装置及可读存储介质 |
CN113139022B (zh) * | 2021-04-29 | 2022-09-13 | 同济大学 | 一种基于混合规则的企业物流数据按需融合方法 |
CN113139022A (zh) * | 2021-04-29 | 2021-07-20 | 同济大学 | 一种基于混合规则的企业物流数据按需融合方法 |
CN113032516A (zh) * | 2021-05-27 | 2021-06-25 | 中国科学院自动化研究所 | 基于近似本体匹配的知识图谱融合方法 |
CN114218406A (zh) * | 2022-02-17 | 2022-03-22 | 杭州杰牌传动科技有限公司 | 基于传动知识图谱的传动解决方案生成方法及系统 |
CN116611546A (zh) * | 2023-04-14 | 2023-08-18 | 中国科学院空天信息创新研究院 | 基于知识图谱的目标研究区域滑坡预测方法及系统 |
CN116611546B (zh) * | 2023-04-14 | 2023-11-10 | 中国科学院空天信息创新研究院 | 基于知识图谱的目标研究区域滑坡预测方法及系统 |
CN117252255A (zh) * | 2023-07-31 | 2023-12-19 | 中国矿业大学(北京) | 一种面向辅助决策的灾害应急知识图谱构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110008355A (zh) | 基于知识图谱的灾害场景信息融合方法及装置 | |
CN109992672A (zh) | 基于灾害场景的知识图谱构建方法 | |
Zhang et al. | Big data and artificial intelligence based early risk warning system of fire hazard for smart cities | |
CN116307757B (zh) | 一种数据智能交互方法、交互系统、计算机设备及应用 | |
Souza et al. | City Information Modelling as a support decision tool for planning and management of cities: A systematic literature review and bibliometric analysis | |
Song et al. | Prediction and simulation of human mobility following natural disasters | |
CN108052576A (zh) | 一种事理知识图谱构建方法及系统 | |
CN109523061A (zh) | 一种基于情景分析的突发事件应急决策方法 | |
Del Negro et al. | Living at the edge of an active volcano: Risk from lava flows on Mt. Etna | |
Yuan et al. | Smart flood resilience: harnessing community-scale big data for predictive flood risk monitoring, rapid impact assessment, and situational awareness | |
CN111552820A (zh) | 水工程调度数据处理方法及装置 | |
Johnson et al. | Knowledge graphs to support real-time flood impact evaluation | |
Tang et al. | Research challenges in developing multimedia systems for managing emergency situations | |
Feng et al. | Modeling and analyzing the traffic flow during evacuation in Hurricane Irma (2017) | |
Zhong et al. | Pipeline risk big data intelligent decision-making system based on machine learning and situation awareness | |
Jiao et al. | Resilience assessment of metro stations against rainstorm disaster based on cloud model: a case study in Chongqing, China | |
Li et al. | Expert knowledge-driven Bayesian network modeling for marine disaster assessment under the small sample condition | |
Elhami-Khorasani et al. | Review of Research on Human Behavior in Large Outdoor Fires | |
Chmielewski et al. | High detail terrain models and multiresolution path finding algorithms for Border Guard constructive simulator. A study of effective movement algorithms in high resolution simulation environment | |
Yahya et al. | A preliminary study of the construction of ontology-based flood management systems | |
Zheng et al. | A SOA-based decision support geographic information system for storm disaster assessment | |
Wang | Tracking Disaster Dynamics for Urban Resilience: Human-Mobility and Semantic Perspectives | |
Boota et al. | How effective is twitter (X) social media data for urban flood management? | |
Li et al. | Investigating the Evolution and Transmission of Emergencies in Large-Scale Events Using a Scenario-Based Representation Model | |
Deng et al. | Intelligent City Disaster Prevention and Mitigation System based on Visual Tracking Technology |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |