一种基于多模态数据的突发公共安全事件检测方法及系统
技术领域
本发明涉及事件检测技术领域,特别涉及一种基于多模态数据的突发公共安全事件检测方法及系统。
背景技术
目前,网络技术的高速发展,实现了全球信息的互联。社交软件【微信、微博、QQ等】具有用户量大、消息传播速度快、传播空间地域广等特点,人们可以在此社交软件上对发生的公共事件进行发布、关注、评论、交流,使得事件发酵,舆情范围扩大。及时检测网络上的公共安全事件,具有重要的意义。因此,亟需一种基于多模态数据的突发公共安全事件检测方法,对社交软件上的多模态数据进行检测。
发明内容
本发明目的之一在于提供了一种基于多模态数据的突发公共安全事件检测方法,对社交软件上的多模态数据进行检测,及时发现突发公共安全事件,实现有关部门及时应对处理。
本发明实施例提供的一种基于多模态数据的突发公共安全事件检测方法,包括:
步骤S1:获取第一多模态数据;
步骤S2:对第一多模态数据进行解析,当第一多模态数据为触发数据时,获取与第一多模态数据相关联的第二多模态数据;
步骤S3:整合第一多模态数据和第二多模态数据,获取事件数据;
步骤S4:解析事件数据,确定是否为突发公共安全事件。
优选的,步骤S1:获取第一多模态数据,包括:
解析第一多模态数据的获取方式,获取方式包括:主动获取和被动获取;
当第一多模态数据的获取方式为被动获取时,对第一多模态数据的数据来源的第一可信度和第一多模态数据的第二可信度进行验证;
当都验证通过时,获取第一多模态数据;
其中,对第一多模态数据的数据来源的第一可信度进行验证,包括:
获取第一多模态数据的数据来源的设备的信用值;
获取对数据来源的设备进行担保的设备的担保值;
基于信用值及担保值,计算第一可信度,计算公式如下:
其中,
为第一可信度;
为第一多模态数据的数据来源的设备中第
个设备的信用
值;
为对数据来源的设备中第
个设备进行担保的设备中第
个设备的担保值;
为对
数据来源的设备中第
个设备进行担保的设备中第
个设备的担保权重;
为数据来源的
设备的数目;
为对数据来源的设备中第
个设备进行担保的设备的数目;
当第一可信度大于预设的第一阈值时,第一多模态数据的数据来源的第一可信度验证通过;
对第一多模态数据的第二可信度进行验证,包括:
对第一多模态数据进行解析,确定构成第一多模态数据中数据类型及各个数据类型的占比;
基于数据类型及各个数据类型的占比,确定第一多模态数据的第二可信度,计算公式如下:
其中,
为第二可信度;
为第
个数据类型对应的预设权重;
为第
个数据类型的
占比;
为数据类型的种类数目;
当第二可信度大于预设的第二阈值时,第一多模态数据的第二可信度验证通过。
优选的,当根据事件数据,确定为突发公共安全事件后,对第一多模态数据的数据来源的设备进行信用值上调操作,对为数据来源的设备进行担保的设备的担保值进行担保值上调操作;
当根据事件数据,确定不是突发公共安全事件后,对第一多模态数据的数据来源的设备进行信用值下调操作,对为数据来源的设备进行担保的设备的担保值进行担保值下调操作;
其中,上调操作和/或下调操作的调整公式如下:
其中,
表示上调操作后或下调操作后的数据来源的设备的信用值或担保设备的担
保值,
表示上调操作前或下调操作前的数据来源的设备的信用值或担保设备的担保值;
表示事件数据是否为突发公共安全事件而确定的修正因子,当事件数据为突发公共安全
事件时,
为正值,当事件数据为突发公共安全事件时,
为负值,
表示调整幅度,
表示
调整幅度的补充值;
;N表示数据来源的设备的数目或对数据来源设
备担保的设备的数目;
表示第
个数据来源的设备的信用值或第
个对数据来源设备担
保的设备的担保值;
表示数据来源的总信用值或对数据来源设备担保的总担保
值。
优选的,步骤S2:对第一多模态数据进行解析,当第一多模态数据为触发数据时,获取与第一多模态数据相关联的第二多模态数据,包括:
将第一多模态数据按数据类型进行分割组合,获取多个第一分割数据;
分别提取各个第一分割数据的第一特征;
获取预设的触发特征库;
将第一特征与触发特征库中的第二特征进行匹配,当匹配符合时,确定第一多模态数据为触发数据,获取第一多模态数据的发送方、接收方及发送时间;
根据发送方、接收方及发送时间,基于预设的提取规则提取第一多模态数据的发送时间前后的多个第二多模态数据;
其中,提取规则包括:
获取发送方向接收方发送的第一多模态数据前后预设数量的发送数据和/或发送时间前后预设时间段内发送的发送数据;
基于语义理解技术,对发送数据与第一多模态数据进行语义关联确认;
当发送数据与第一多模态数据存在语义关联时,将发送数据作为第二多模态数据。
优选的,步骤S4:解析事件数据,确定是否为突发公共安全事件;包括:
将事件数据按数据类型进行分割组合,获取多个第二分割数据;
分别提取各个第二分割数据的第三特征;
获取预设的突发公共安全事件判断库;
将第三特征与触发特征库中的第四特征进行匹配,当匹配符合时,获取匹配符合项对应的判断结果,
基于判断结果,确定是否为突发公共安全事件。
本发明还提供一种基于多模态数据的突发公共安全事件检测系统,包括:
第一数据获取模块,用于获取第一多模态数据;
第二数据获取模块,用于对第一多模态数据进行解析,当第一多模态数据为触发数据时,获取与第一多模态数据相关联的第二多模态数据;
整合模块,用于整合第一多模态数据和第二多模态数据,获取事件数据;
解析模块,用于解析事件数据,确定是否为突发公共安全事件。
优选的,第一数据获取模块,执行如下操作:
解析第一多模态数据的获取方式,获取方式包括:主动获取和被动获取;
当第一多模态数据的获取方式为被动获取时,对第一多模态数据的数据来源的第一可信度和第一多模态数据的第二可信度进行验证;
当都验证通过时,获取第一多模态数据;
其中,对第一多模态数据的数据来源的第一可信度进行验证,包括:
获取第一多模态数据的数据来源的设备的信用值;
获取对数据来源的设备进行担保的设备的担保值;
基于信用值及担保值,计算第一可信度,计算公式如下:
其中,
为第一可信度;
为第一多模态数据的数据来源的设备中第
个设备的信用
值;
为对数据来源的设备中第
个设备进行担保的设备中第
个设备的担保值;
为对
数据来源的设备中第
个设备进行担保的设备中第
个设备的担保权重;
为数据来源的
设备的数目;
为对数据来源的设备中第
个设备进行担保的设备的数目;
当第一可信度大于预设的第一阈值时,第一多模态数据的数据来源的第一可信度验证通过;
对第一多模态数据的第二可信度进行验证,包括:
对第一多模态数据进行解析,确定构成第一多模态数据中数据类型及各个数据类型的占比;
基于数据类型及各个数据类型的占比,确定第一多模态数据的第二可信度,计算公式如下:
其中,
为第二可信度;
为第
个数据类型对应的预设权重;
为第
个数据类型的
占比;
为数据类型的种类数目;
当第二可信度大于预设的第二阈值时,第一多模态数据的第二可信度验证通过。
优选的,当根据事件数据,确定为突发公共安全事件后,对第一多模态数据的数据来源的设备进行信用值上调操作,对为数据来源的设备进行担保的设备的担保值进行担保值上调操作;
当根据事件数据,确定不是突发公共安全事件后,对第一多模态数据的数据来源的设备进行信用值下调操作,对为数据来源的设备进行担保的设备的担保值进行担保值下调操作;
其中,上调操作和/或下调操作的调整公式如下:
其中,
表示上调操作后或下调操作后的数据来源的设备的信用值或担保设备的担
保值,
表示上调操作前或下调操作前的数据来源的设备的信用值或担保设备的担保值;
表示事件数据是否为突发公共安全事件而确定的修正因子,当事件数据为突发公共安全
事件时,
为正值,当事件数据为突发公共安全事件时,
为负值,
表示调整幅度,
表示
调整幅度的补充值;
;N表示数据来源的设备的数目或对数据来源设
备担保的设备的数目;
表示第
个数据来源的设备的信用值或第
个对数据来源设备担
保的设备的担保值;
表示数据来源的总信用值或对数据来源设备担保的总担保
值。
优选的,第二数据获取模块,执行如下操作:
将第一多模态数据按数据类型进行分割组合,获取多个第一分割数据;
分别提取各个第一分割数据的第一特征;
获取预设的触发特征库;
将第一特征与触发特征库中的第二特征进行匹配,当匹配符合时,确定第一多模态数据为触发数据,获取第一多模态数据的发送方、接收方及发送时间;
根据发送方、接收方及发送时间,基于预设的提取规则提取第一多模态数据的发送时间前后的多个第二多模态数据;
其中,提取规则包括:
获取发送方向接收方发送的第一多模态数据前后预设数量的发送数据和/或发送时间前后预设时间段内发送的发送数据;
基于语义理解技术,对发送数据与第一多模态数据进行语义关联确认;
当发送数据与第一多模态数据存在语义关联时,将发送数据作为第二多模态数据。
优选的,解析模块执行如下操作:
将事件数据按数据类型进行分割组合,获取多个第二分割数据;
分别提取各个第二分割数据的第三特征;
获取预设的突发公共安全事件判断库;
将第三特征与触发特征库中的第四特征进行匹配,当匹配符合时,获取匹配符合项对应的判断结果,
基于判断结果,确定是否为突发公共安全事件。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于多模态数据的突发公共安全事件检测方法的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种基于多模态数据的突发公共安全事件检测方法,如图1所示,包括:
步骤S1:获取第一多模态数据;
步骤S2:对第一多模态数据进行解析,当第一多模态数据为触发数据时,获取与第一多模态数据相关联的第二多模态数据;
步骤S3:整合第一多模态数据和第二多模态数据,获取事件数据;
步骤S4:解析事件数据,确定是否为突发公共安全事件。
上述技术方案的工作原理及有益效果为:
对网络上每个多模态数据都进行突发公共安全事件分析,无疑是加大了检测的范围,极其浪费检测资源;本申请采用触发检测机制,通过对第一多模态数据进行初步解析,确定是否为触发检测的触发数据,当第一多模态数据为触发数据时,获取与第一多模态数据相关联的数据【第二多模态数据】,关联可以是时间上的关联也可以地域上的关联;因为从单一数据【第一多模态数据】判断是否为突发公共安全事件来说,判断并不准确,会发生误判;故需要整合与第一多模态数据相关联的数据【第二多模态数据】,形成有效的判断证据【事件数据】;对事件数据进行深层次解析,判断是否为突发公共安全事件。
本发明的基于多模态数据的突发公共安全事件检测方法,对社交软件上的多模态数据进行检测,及时发现突发公共安全事件,实现有关部门及时应对处理。
在一个实施例中,步骤S1:获取第一多模态数据,包括:
解析第一多模态数据的获取方式,获取方式包括:主动获取和被动获取;
当第一多模态数据的获取方式为被动获取时,对第一多模态数据的数据来源的第一可信度和第一多模态数据的第二可信度进行验证;
当都验证通过时,获取第一多模态数据;
其中,对第一多模态数据的数据来源的第一可信度进行验证,包括:
获取第一多模态数据的数据来源的设备的信用值;
获取对数据来源的设备进行担保的设备的担保值;
基于信用值及担保值,计算第一可信度,计算公式如下:
其中,
为第一可信度;
为第一多模态数据的数据来源的设备中第
个设备的信用
值;
为对数据来源的设备中第
个设备进行担保的设备中第
个设备的担保值;
为对
数据来源的设备中第
个设备进行担保的设备中第
个设备的担保权重;
为数据来源的
设备的数目;
为对数据来源的设备中第
个设备进行担保的设备的数目;
当第一可信度大于预设的第一阈值时,第一多模态数据的数据来源的第一可信度验证通过;
对第一多模态数据的第二可信度进行验证,包括:
对第一多模态数据进行解析,确定构成第一多模态数据中数据类型及各个数据类型的占比;
基于数据类型及各个数据类型的占比,确定第一多模态数据的第二可信度,计算公式如下:
其中,
为第二可信度;
为第
个数据类型对应的预设权重;
为第
个数据类型的
占比;
为数据类型的种类数目;
当第二可信度大于预设的第二阈值时,第一多模态数据的第二可信度验证通过。
上述技术方案的工作原理及有益效果为:
第一多模态数据获取的方式有两种,一种是主动获取,即实时监控网络上的数据;另一种是被动获取,即接收网络上用户往指定地址【预设的网络地址】发送的多模态数据;当被动获取时,需要对第一多模态数据的可信程度进行验证;当第一多模态数据的可信程度达不到时,无需对其进行解析,从而节省解析资源。第一多模态数据的可信程度主要表现第一多模态数据本身的可信度还有第一多模态数据的来源的可信度;当都验证通过时才获取第一多模态数据,否则,丢弃。在验证时,第一多模态数据的数据来源的设备,即发送过第一多模态数据的设备,通过这些设备的信用值及对这些设备作担保的设备的担保值,综合信用值和担保值,实现数据来源可信度的验证;第一多模态数据的可信度主要从数据类型结构上分析,例如图片数据占比大于第一预设占比,和/或,表格数据占比大于第二预设占比,和/或,视屏数据占比大于第三预设占比时,说明数据本身具有一定的可信度。
在一个实施例中,当根据事件数据,确定为突发公共安全事件后,对第一多模态数据的数据来源的设备进行信用值上调操作,对为数据来源的设备进行担保的设备的担保值进行担保值上调操作;
当根据事件数据,确定不是突发公共安全事件后,对第一多模态数据的数据来源的设备进行信用值下调操作,对为数据来源的设备进行担保的设备的担保值进行担保值下调操作;
其中,上调操作和/或下调操作的调整公式如下:
其中,
表示上调操作后或下调操作后的数据来源的设备的信用值或担保设备的担
保值,
表示上调操作前或下调操作前的数据来源的设备的信用值或担保设备的担保值;
表示事件数据是否为突发公共安全事件而确定的修正因子,当事件数据为突发公共安全
事件时,
为正值,当事件数据为突发公共安全事件时,
为负值,
表示调整幅度,
表示
调整幅度的补充值;
;N表示数据来源的设备的数目或对数据来源设
备担保的设备的数目;
表示第
个数据来源的设备的信用值或第个对数据来源设备担保
的设备的担保值;
表示数据来源的总信用值或对数据来源设备担保的总担保值。
上述技术方案的工作原理及有益效果为:
当事件的确定结果出来后,对数据来源的设备的可信值和担保设备的担保值进行调整,提高后续对第一多模态数据的可信程度确认的准确性;保证基于可信度的数据筛选的有效性。
在一个实施例中,步骤S2:对第一多模态数据进行解析,当第一多模态数据为触发数据时,获取与第一多模态数据相关联的第二多模态数据,包括:
将第一多模态数据按数据类型进行分割组合,获取多个第一分割数据;
分别提取各个第一分割数据的第一特征;
获取预设的触发特征库;
将第一特征与触发特征库中的第二特征进行匹配,当匹配符合时,确定第一多模态数据为触发数据,获取第一多模态数据的发送方、接收方及发送时间;
根据发送方、接收方及发送时间,基于预设的提取规则提取第一多模态数据的发送时间前后的多个第二多模态数据;
其中,提取规则包括:
获取发送方向接收方发送的第一多模态数据前后预设数量的发送数据和/或发送时间前后预设时间段内发送的发送数据;
基于语义理解技术,对发送数据与第一多模态数据进行语义关联确认;
当发送数据与第一多模态数据存在语义关联时,将发送数据作为第二多模态数据。
上述技术方案的工作原理及有益效果为:
对第一多模态数据进行初步解析,提取第一多模态数据的第一特征的第一特征值,基于第一特征值与预设的触发特征库中触发特征的特征进行匹配,当触发特征库中存在与第一特征相同的触发特征时,触发进入深层解析模式,深层解析模式,为了保证突发公共安全事件判断的准确性,在深层解析前,需要尽可能的数据支持判断,故需要获取与第一多模态数据相关联的第二多模态数据;例如:聊天数据中,第一聊天数据【第一多模态数据】上下文的第二聊天数据【第二多模态数据】。
在一个实施例中,步骤S4:解析事件数据,确定是否为突发公共安全事件;包括:
将事件数据按数据类型进行分割组合,获取多个第二分割数据;
分别提取各个第二分割数据的第三特征;
获取预设的突发公共安全事件判断库;
将第三特征与触发特征库中的第四特征进行匹配,当匹配符合时,获取匹配符合项对应的判断结果,
基于判断结果,确定是否为突发公共安全事件。
上述技术方案的工作原理及有益效果为:
对事件数据进行分析,确定事件数据对应的事件是否为突发公共安全事件;根据数据类型【文本数据、视屏数据、图片数据、表格数据等】,将事件数据进行分割组合,分别提取特征;根据预先建立的突发公共安全事件判断库进行判断;突发公共安全事件判断库中判断结果与第四特征相对应;将第三特征与第四特征进行匹配,获取符合项对应的判断结果,根据结果就可以知道事件数据对应的事件是否为突发公共安全事件。为了实现触发机制的节约检测资源的作用,第一特征相对与第三特征的数量要少。
本发明还提供一种基于多模态数据的突发公共安全事件检测系统,包括:
第一数据获取模块,用于获取第一多模态数据;
第二数据获取模块,用于对第一多模态数据进行解析,当第一多模态数据为触发数据时,获取与第一多模态数据相关联的第二多模态数据;
整合模块,用于整合第一多模态数据和第二多模态数据,获取事件数据;
解析模块,用于解析事件数据,确定是否为突发公共安全事件。
上述技术方案的工作原理及有益效果为:
对网络上每个多模态数据都进行突发公共安全事件分析,无疑是加大了检测的范围,极其浪费检测资源;本申请采用触发检测机制,通过对第一多模态数据进行初步解析,确定是否为触发检测的触发数据,当第一多模态数据为触发数据时,获取与第一多模态数据相关联的数据【第二多模态数据】,关联可以是时间上的关联也可以地域上的关联;因为从单一数据【第一多模态数据】判断是否为突发公共安全事件来说,判断并不准确,会发生误判;故需要整合与第一多模态数据相关联的数据【第二多模态数据】,形成有效的判断证据【事件数据】;对事件数据进行深层次解析,判断是否为突发公共安全事件。
本发明的基于多模态数据的突发公共安全事件检测系统,对社交软件上的多模态数据进行检测,及时发现突发公共安全事件,实现有关部门及时应对处理。
在一个实施例中,第一数据获取模块,执行如下操作:
解析第一多模态数据的获取方式,获取方式包括:主动获取和被动获取;
当第一多模态数据的获取方式为被动获取时,对第一多模态数据的数据来源的第一可信度和第一多模态数据的第二可信度进行验证;
当都验证通过时,获取第一多模态数据;
其中,对第一多模态数据的数据来源的第一可信度进行验证,包括:
获取第一多模态数据的数据来源的设备的信用值;
获取对数据来源的设备进行担保的设备的担保值;
基于信用值及担保值,计算第一可信度,计算公式如下:
其中,
为第一可信度;
为第一多模态数据的数据来源的设备中第
个设备的信用
值;
为对数据来源的设备中第
个设备进行担保的设备中第
个设备的担保值;
为对
数据来源的设备中第
个设备进行担保的设备中第
个设备的担保权重;
为数据来源的
设备的数目;
为对数据来源的设备中第
个设备进行担保的设备的数目;
当第一可信度大于预设的第一阈值时,第一多模态数据的数据来源的第一可信度验证通过;
对第一多模态数据的第二可信度进行验证,包括:
对第一多模态数据进行解析,确定构成第一多模态数据中数据类型及各个数据类型的占比;
基于数据类型及各个数据类型的占比,确定第一多模态数据的第二可信度,计算公式如下:
其中,
为第二可信度;
为第
个数据类型对应的预设权重;
为第
个数据类型的
占比;
为数据类型的种类数目;
当第二可信度大于预设的第二阈值时,第一多模态数据的第二可信度验证通过。
上述技术方案的工作原理及有益效果为:
第一多模态数据获取的方式有两种,一种是主动获取,即实时监控网络上的数据;另一种是被动获取,即接收网络上用户往指定地址【预设的网络地址】发送的多模态数据;当被动获取时,需要对第一多模态数据的可信程度进行验证;当第一多模态数据的可信程度达不到时,无需对其进行解析,从而节省解析资源。第一多模态数据的可信程度主要表现第一多模态数据本身的可信度还有第一多模态数据的来源的可信度;当都验证通过时才获取第一多模态数据,否则,丢弃。在验证时,第一多模态数据的数据来源的设备,即发送过第一多模态数据的设备,通过这些设备的信用值及对这些设备作担保的设备的担保值,综合信用值和担保值,实现数据来源可信度的验证;第一多模态数据的可信度主要从数据类型结构上分析,例如图片数据占比大于第一预设占比,和/或,表格数据占比大于第二预设占比,和/或,视屏数据占比大于第三预设占比时,说明数据本身具有一定的可信度。
在一个实施例中,当根据事件数据,确定为突发公共安全事件后,对第一多模态数据的数据来源的设备进行信用值上调操作,对为数据来源的设备进行担保的设备的担保值进行担保值上调操作;
当根据事件数据,确定不是突发公共安全事件后,对第一多模态数据的数据来源的设备进行信用值下调操作,对为数据来源的设备进行担保的设备的担保值进行担保值下调操作;
其中,上调操作和/或下调操作的调整公式如下:
其中,
表示上调操作后或下调操作后的数据来源的设备的信用值或担保设备的担
保值,
表示上调操作前或下调操作前的数据来源的设备的信用值或担保设备的担保值;
表示事件数据是否为突发公共安全事件而确定的修正因子,当事件数据为突发公共安全
事件时,
为正值,当事件数据为突发公共安全事件时,
为负值,
表示调整幅度,
表示
调整幅度的补充值;
;N表示数据来源的设备的数目或对数据来源设
备担保的设备的数目;
表示第
个数据来源的设备的信用值或第
个对数据来源设备担
保的设备的担保值;
表示数据来源的总信用值或对数据来源设备担保的总担保
值。
上述技术方案的工作原理及有益效果为:
当事件的确定结果出来后,对数据来源的设备的可信值和担保设备的担保值进行调整,提高后续对第一多模态数据的可信程度确认的准确性;保证基于可信度的数据筛选的有效性。
在一个实施例中,第二数据获取模块,执行如下操作:
将第一多模态数据按数据类型进行分割组合,获取多个第一分割数据;
分别提取各个第一分割数据的第一特征;
获取预设的触发特征库;
将第一特征与触发特征库中的第二特征进行匹配,当匹配符合时,确定第一多模态数据为触发数据,获取第一多模态数据的发送方、接收方及发送时间;
根据发送方、接收方及发送时间,基于预设的提取规则提取第一多模态数据的发送时间前后的多个第二多模态数据;
其中,提取规则包括:
获取发送方向接收方发送的第一多模态数据前后预设数量的发送数据和/或发送时间前后预设时间段内发送的发送数据;
基于语义理解技术,对发送数据与第一多模态数据进行语义关联确认;
当发送数据与第一多模态数据存在语义关联时,将发送数据作为第二多模态数据。
上述技术方案的工作原理及有益效果为:
对第一多模态数据进行初步解析,提取第一多模态数据的第一特征的第一特征值,基于第一特征值与预设的触发特征库中触发特征的特征进行匹配,当触发特征库中存在与第一特征相同的触发特征时,触发进入深层解析模式,深层解析模式,为了保证突发公共安全事件判断的准确性,在深层解析前,需要尽可能的数据支持判断,故需要获取与第一多模态数据相关联的第二多模态数据;例如:聊天数据中,第一聊天数据【第一多模态数据】上下文的第二聊天数据【第二多模态数据】。
在一个实施例中,解析模块执行如下操作:
将事件数据按数据类型进行分割组合,获取多个第二分割数据;
分别提取各个第二分割数据的第三特征;
获取预设的突发公共安全事件判断库;
将第三特征与触发特征库中的第四特征进行匹配,当匹配符合时,获取匹配符合项对应的判断结果,
基于判断结果,确定是否为突发公共安全事件。
上述技术方案的工作原理及有益效果为:
对事件数据进行分析,确定事件数据对应的事件是否为突发公共安全事件;根据数据类型【文本数据、视屏数据、图片数据、表格数据等】,将事件数据进行分割组合,分别提取特征;根据预先建立的突发公共安全事件判断库进行判断;突发公共安全事件判断库中判断结果与第四特征相对应;将第三特征与第四特征进行匹配,获取符合项对应的判断结果,根据结果就可以知道事件数据对应的事件是否为突发公共安全事件。为了实现触发机制的节约检测资源的作用,第一特征相对与第三特征的数量要少。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。