CN111932427B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN111932427B
CN111932427B CN202011013134.9A CN202011013134A CN111932427B CN 111932427 B CN111932427 B CN 111932427B CN 202011013134 A CN202011013134 A CN 202011013134A CN 111932427 B CN111932427 B CN 111932427B
Authority
CN
China
Prior art keywords
data
modal
event
value
modal data
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
CN202011013134.9A
Other languages
English (en)
Other versions
CN111932427A (zh
Inventor
张春林
江何
李利军
王庆丰
尚雪松
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.)
Beijing Dongfang tongwangxin Technology Co.,Ltd.
Beijing dongfangtong Software Co.,Ltd.
BEIJING TESTOR TECHNOLOGY Co.,Ltd.
Beijing Tongtech Co Ltd
Original Assignee
Beijing Dongfangtong Software Co ltd
Beijing Microvision Technology Co ltd
Beijing Testor Technology Co ltd
Beijing Tongtech Co Ltd
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 Beijing Dongfangtong Software Co ltd, Beijing Microvision Technology Co ltd, Beijing Testor Technology Co ltd, Beijing Tongtech Co Ltd filed Critical Beijing Dongfangtong Software Co ltd
Priority to CN202011013134.9A priority Critical patent/CN111932427B/zh
Publication of CN111932427A publication Critical patent/CN111932427A/zh
Application granted granted Critical
Publication of CN111932427B publication Critical patent/CN111932427B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供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，其中，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。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。

Description

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：
Figure 915982DEST_PATH_IMAGE001
；
其中，
Figure 319281DEST_PATH_IMAGE002
为第一可信度；
Figure 171700DEST_PATH_IMAGE003
为第一多模态数据的数据来源的设备中第
Figure 394871DEST_PATH_IMAGE004
个设备的信 用值；
Figure 866303DEST_PATH_IMAGE005
为对数据来源的设备中第
Figure 248743DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 147429DEST_PATH_IMAGE006
个设备的担保值；
Figure 123475DEST_PATH_IMAGE007
为 对数据来源的设备中第
Figure 257653DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 635545DEST_PATH_IMAGE006
个设备的担保权重；
Figure 705132DEST_PATH_IMAGE008
为数据来源 的设备的数目；
Figure 168474DEST_PATH_IMAGE009
为对数据来源的设备中第
Figure 330510DEST_PATH_IMAGE004
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：
Figure 562909DEST_PATH_IMAGE010
；
其中，
Figure 68976DEST_PATH_IMAGE011
为第二可信度；
Figure 878669DEST_PATH_IMAGE012
为第
Figure 230016DEST_PATH_IMAGE013
个数据类型对应的预设权重；
Figure 316921DEST_PATH_IMAGE014
为第
Figure 118524DEST_PATH_IMAGE013
个数据类 型的占比；
Figure 290879DEST_PATH_IMAGE015
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：
Figure 445917DEST_PATH_IMAGE016
；
其中，
Figure 511962DEST_PATH_IMAGE017
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，
Figure 359832DEST_PATH_IMAGE018
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；
Figure 19484DEST_PATH_IMAGE019
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，
Figure 978212DEST_PATH_IMAGE019
为正值，当事件数据不是突发公共安全事件时，
Figure 400229DEST_PATH_IMAGE019
为负值，
Figure 419000DEST_PATH_IMAGE020
表示调整幅度，
Figure 300369DEST_PATH_IMAGE021
表示调整幅度的补充值；
Figure 187422DEST_PATH_IMAGE022
；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；
Figure 103425DEST_PATH_IMAGE023
表示第
Figure 27519DEST_PATH_IMAGE024
个数据来源的设备的信用值或第
Figure 520817DEST_PATH_IMAGE024
个对数据来源 设备担保的设备的担保值；
Figure 821349DEST_PATH_IMAGE025
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；
将第三特征与突发公共安全事件判断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：
Figure 857438DEST_PATH_IMAGE001
；
其中，
Figure 952433DEST_PATH_IMAGE002
为第一可信度；
Figure 198606DEST_PATH_IMAGE003
为第一多模态数据的数据来源的设备中第
Figure 302829DEST_PATH_IMAGE004
个设备的信 用值；
Figure 662266DEST_PATH_IMAGE005
为对数据来源的设备中第
Figure 819840DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 163096DEST_PATH_IMAGE006
个设备的担保值；
Figure 805430DEST_PATH_IMAGE007
为 对数据来源的设备中第
Figure 675166DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 377543DEST_PATH_IMAGE006
个设备的担保权重；
Figure 208096DEST_PATH_IMAGE008
为数据来源 的设备的数目；
Figure 654121DEST_PATH_IMAGE009
为对数据来源的设备中第
Figure 112784DEST_PATH_IMAGE004
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：
Figure 986062DEST_PATH_IMAGE010
；
其中，
Figure 303911DEST_PATH_IMAGE011
为第二可信度；
Figure 147102DEST_PATH_IMAGE012
为第
Figure 866796DEST_PATH_IMAGE013
个数据类型对应的预设权重；
Figure 910976DEST_PATH_IMAGE014
为第
Figure 342219DEST_PATH_IMAGE013
个数据类 型的占比；
Figure 130047DEST_PATH_IMAGE015
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：
Figure 438668DEST_PATH_IMAGE016
；
其中，
Figure 778383DEST_PATH_IMAGE017
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，
Figure 805245DEST_PATH_IMAGE018
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；
Figure 396763DEST_PATH_IMAGE019
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，
Figure 825470DEST_PATH_IMAGE019
为正值，当事件数据不是突发公共安全事件时，
Figure 70507DEST_PATH_IMAGE019
为负值，
Figure 850244DEST_PATH_IMAGE020
表示调整幅度，
Figure 979874DEST_PATH_IMAGE021
表示调整幅度的补充值；
Figure 387721DEST_PATH_IMAGE022
；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；
Figure 210184DEST_PATH_IMAGE023
表示第
Figure 946059DEST_PATH_IMAGE024
个数据来源的设备的信用值或第
Figure 505478DEST_PATH_IMAGE024
个对数据来源 设备担保的设备的担保值；
Figure 643199DEST_PATH_IMAGE025
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；
将第三特征与突发公共安全事件判断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：
Figure 636562DEST_PATH_IMAGE001
；
其中，
Figure 984367DEST_PATH_IMAGE002
为第一可信度；
Figure 455800DEST_PATH_IMAGE003
为第一多模态数据的数据来源的设备中第
Figure 713606DEST_PATH_IMAGE004
个设备的信 用值；
Figure 877871DEST_PATH_IMAGE005
为对数据来源的设备中第
Figure 712972DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 988095DEST_PATH_IMAGE006
个设备的担保值；
Figure 100408DEST_PATH_IMAGE007
为 对数据来源的设备中第
Figure 294629DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 757971DEST_PATH_IMAGE006
个设备的担保权重；
Figure 571206DEST_PATH_IMAGE008
为数据来源 的设备的数目；
Figure 164124DEST_PATH_IMAGE009
为对数据来源的设备中第
Figure 404612DEST_PATH_IMAGE004
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：
Figure 355251DEST_PATH_IMAGE010
；
其中，
Figure 972177DEST_PATH_IMAGE011
为第二可信度；
Figure 183716DEST_PATH_IMAGE012
为第
Figure 595105DEST_PATH_IMAGE013
个数据类型对应的预设权重；
Figure 767461DEST_PATH_IMAGE014
为第
Figure 47132DEST_PATH_IMAGE013
个数据类 型的占比；
Figure 254123DEST_PATH_IMAGE015
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：
Figure 836414DEST_PATH_IMAGE016
；
其中，
Figure 355120DEST_PATH_IMAGE017
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，
Figure 313848DEST_PATH_IMAGE026
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；
Figure 375345DEST_PATH_IMAGE019
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，
Figure 394117DEST_PATH_IMAGE019
为正值，当事件数据不是突发公共安全事件时，
Figure 167163DEST_PATH_IMAGE019
为负值，
Figure 991900DEST_PATH_IMAGE020
表示调整幅度，
Figure 907903DEST_PATH_IMAGE021
表示调整幅度的补充值；
Figure 97576DEST_PATH_IMAGE022
；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；
Figure 731820DEST_PATH_IMAGE023
表示第
Figure 156985DEST_PATH_IMAGE024
个数据来源的设备的信用值或第
Figure 661915DEST_PATH_IMAGE024
个对数据来源 设备担保的设备的担保值；
Figure 22490DEST_PATH_IMAGE025
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；
将第三特征与突发公共安全事件判断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：
Figure 268663DEST_PATH_IMAGE001
；
其中，
Figure 107306DEST_PATH_IMAGE002
为第一可信度；
Figure 732323DEST_PATH_IMAGE003
为第一多模态数据的数据来源的设备中第
Figure 889897DEST_PATH_IMAGE004
个设备的信 用值；
Figure 233153DEST_PATH_IMAGE005
为对数据来源的设备中第
Figure 141067DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 886169DEST_PATH_IMAGE006
个设备的担保值；
Figure 447600DEST_PATH_IMAGE007
为 对数据来源的设备中第
Figure 278153DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 458598DEST_PATH_IMAGE006
个设备的担保权重；
Figure 448420DEST_PATH_IMAGE008
为数据来源 的设备的数目；
Figure 56119DEST_PATH_IMAGE009
为对数据来源的设备中第
Figure 373968DEST_PATH_IMAGE004
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：
Figure 482738DEST_PATH_IMAGE010
；
其中，
Figure 202432DEST_PATH_IMAGE011
为第二可信度；
Figure 246612DEST_PATH_IMAGE012
为第
Figure 51757DEST_PATH_IMAGE013
个数据类型对应的预设权重；
Figure 211822DEST_PATH_IMAGE014
为第
Figure 786023DEST_PATH_IMAGE013
个数据类 型的占比；
Figure 1104DEST_PATH_IMAGE015
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：
Figure 152599DEST_PATH_IMAGE016
；
其中，
Figure 744118DEST_PATH_IMAGE017
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，
Figure 907246DEST_PATH_IMAGE018
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；
Figure 417862DEST_PATH_IMAGE019
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，
Figure 197599DEST_PATH_IMAGE019
为正值，当事件数据不是突发公共安全事件时，
Figure 327229DEST_PATH_IMAGE019
为负值，
Figure 469497DEST_PATH_IMAGE020
表示调整幅度，
Figure 291960DEST_PATH_IMAGE021
表示调整幅度的补充值；
Figure 293414DEST_PATH_IMAGE022
；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；
Figure 961155DEST_PATH_IMAGE023
表示第
Figure 724974DEST_PATH_IMAGE024
个数据来源的设备的信用值或第
Figure 718338DEST_PATH_IMAGE024
个对数据来源 设备担保的设备的担保值；
Figure 941509DEST_PATH_IMAGE025
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；
将第三特征与突发公共安全事件判断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。

Claims (8)

1.一种基于多模态数据的突发公共安全事件检测方法，其特征在于，包括：
步骤S1：获取第一多模态数据；
步骤S2：对所述第一多模态数据进行解析，当所述第一多模态数据为触发数据时，获取与所述第一多模态数据相关联的第二多模态数据；
步骤S3：整合所述第一多模态数据和所述第二多模态数据，获取事件数据；
步骤S4：解析所述事件数据，确定是否为突发公共安全事件；
所述步骤S1：获取第一多模态数据，包括：
解析所述第一多模态数据的获取方式，所述获取方式包括：主动获取和被动获取；
当所述第一多模态数据的获取方式为被动获取时，对所述第一多模态数据的数据来源的第一可信度和所述第一多模态数据的第二可信度进行验证；
当都验证通过时，获取所述第一多模态数据；
其中，对所述第一多模态数据的数据来源的第一可信度进行验证，包括：
获取所述第一多模态数据的数据来源的设备的信用值；
获取对所述数据来源的设备进行担保的设备的担保值；
基于所述信用值及所述担保值，计算所述第一可信度，计算公式如下：
Figure 101381DEST_PATH_IMAGE001
；
其中，
Figure 102835DEST_PATH_IMAGE002
为所述第一可信度；
Figure 36156DEST_PATH_IMAGE003
为所述第一多模态数据的数据来源的设备中第
Figure 564089DEST_PATH_IMAGE004
个设备 的信用值；
Figure 26295DEST_PATH_IMAGE005
为对所述数据来源的设备中第
Figure 515045DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 376691DEST_PATH_IMAGE006
个设备的担保 值；
Figure 368917DEST_PATH_IMAGE007
为对所述数据来源的设备中第
Figure 267603DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 368283DEST_PATH_IMAGE006
个设备的担保权重；
Figure 643407DEST_PATH_IMAGE008
为所述数据来源的设备的数目；
Figure 490140DEST_PATH_IMAGE009
为对所述数据来源的设备中第
Figure 451405DEST_PATH_IMAGE004
个设备进行担保的设 备的数目；
当所述第一可信度大于预设的第一阈值时，所述第一多模态数据的数据来源的第一可信度验证通过；
对所述第一多模态数据的第二可信度进行验证，包括：
对所述第一多模态数据进行解析，确定构成所述第一多模态数据中数据类型及各个数据类型的占比；
基于所述数据类型及各个数据类型的占比，确定所述第一多模态数据的第二可信度，计算公式如下：
Figure 649168DEST_PATH_IMAGE010
；
其中，
Figure 727983DEST_PATH_IMAGE011
为第二可信度；
Figure 553856DEST_PATH_IMAGE012
为第
Figure 59924DEST_PATH_IMAGE013
个所述数据类型对应的预设权重；
Figure 744983DEST_PATH_IMAGE014
为第
Figure 361909DEST_PATH_IMAGE013
个所述数 据类型的占比；
Figure 307869DEST_PATH_IMAGE015
为所述数据类型的种类数目；
当所述第二可信度大于预设的第二阈值时，所述第一多模态数据的第二可信度验证通过。
2.如权利要求1所述的基于多模态数据的突发公共安全事件检测方法，其特征在于，当根据所述事件数据，确定为突发公共安全事件后，对所述第一多模态数据的数据来源的设备进行信用值上调操作，对为所述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；
当根据所述事件数据，确定不是突发公共安全事件后，对所述第一多模态数据的数据来源的设备进行信用值下调操作，对为所述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，所述上调操作和/或所述下调操作的调整公式如下：
Figure 984838DEST_PATH_IMAGE016
；
其中，
Figure 157193DEST_PATH_IMAGE017
表示所述上调操作后或所述下调操作后的所述数据来源的设备的信用值或所 述担保设备的担保值，
Figure 436865DEST_PATH_IMAGE018
表示所述上调操作前或所述下调操作前的所述数据来源的设备的 信用值或所述担保设备的担保值；
Figure 378276DEST_PATH_IMAGE019
表示所述事件数据是否为突发公共安全事件而确定的 修正因子，当所述事件数据为突发公共安全事件时，
Figure 226146DEST_PATH_IMAGE019
为正值，当所述事件数据不是突发公 共安全事件时，
Figure 511896DEST_PATH_IMAGE019
为负值，
Figure 205046DEST_PATH_IMAGE020
表示调整幅度，
Figure 266543DEST_PATH_IMAGE021
表示调整幅度的补充值；
Figure 144369DEST_PATH_IMAGE022
；N表示所述数据来源的设备的数目或对所述数据来源设备担保的 设备的数目；
Figure 291316DEST_PATH_IMAGE023
表示第
Figure 788157DEST_PATH_IMAGE024
个所述数据来源的设备的信用值或第
Figure 828794DEST_PATH_IMAGE024
个对所述数据来源设备担 保的设备的担保值；
Figure 18467DEST_PATH_IMAGE025
表示所述数据来源的总信用值或对所述数据来源设备担保的 总担保值。
3.如权利要求1所述的基于多模态数据的突发公共安全事件检测方法，其特征在于，所述步骤S2：对所述第一多模态数据进行解析，当所述第一多模态数据为触发数据时，获取与所述第一多模态数据相关联的第二多模态数据，包括：
将所述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；
将所述第一特征与所述触发特征库中的第二特征进行匹配，当匹配符合时，确定所述第一多模态数据为触发数据，获取所述第一多模态数据的发送方、接收方及发送时间；
根据所述发送方、所述接收方及所述发送时间，基于预设的提取规则提取所述第一多模态数据的所述发送时间前后的多个所述第二多模态数据；
其中，提取规则包括：
获取所述发送方向所述接收方发送的所述第一多模态数据前后预设数量的发送数据和/或所述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，对所述发送数据与所述第一多模态数据进行语义关联确认；
当所述发送数据与所述第一多模态数据存在语义关联时，将所述发送数据作为所述第二多模态数据。
4.如权利要求1所述的基于多模态数据的突发公共安全事件检测方法，其特征在于，所述步骤S4：解析所述事件数据，确定是否为突发公共安全事件；包括：
将所述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；
将所述第三特征与所述突发公共安全事件判断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，
基于所述判断结果，确定是否为突发公共安全事件。
5.一种基于多模态数据的突发公共安全事件检测系统，其特征在于，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，用于对所述第一多模态数据进行解析，当所述第一多模态数据为触发数据时，获取与所述第一多模态数据相关联的第二多模态数据；
整合模块，用于整合所述第一多模态数据和所述第二多模态数据，获取事件数据；
解析模块，用于解析所述事件数据，确定是否为突发公共安全事件；
所述第一数据获取模块，执行如下操作：
解析所述第一多模态数据的获取方式，所述获取方式包括：主动获取和被动获取；
当所述第一多模态数据的获取方式为被动获取时，对所述第一多模态数据的数据来源的第一可信度和所述第一多模态数据的第二可信度进行验证；
当都验证通过时，获取所述第一多模态数据；
其中，对所述第一多模态数据的数据来源的第一可信度进行验证，包括：
获取所述第一多模态数据的数据来源的设备的信用值；
获取对所述数据来源的设备进行担保的设备的担保值；
基于所述信用值及所述担保值，计算所述第一可信度，计算公式如下：
Figure 387131DEST_PATH_IMAGE001
；
其中，
Figure 546717DEST_PATH_IMAGE002
为所述第一可信度；
Figure 582806DEST_PATH_IMAGE003
为所述第一多模态数据的数据来源的设备中第
Figure 943380DEST_PATH_IMAGE004
个设备 的信用值；
Figure 799341DEST_PATH_IMAGE005
为对所述数据来源的设备中第
Figure 264083DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 154678DEST_PATH_IMAGE006
个设备的担保 值；
Figure 686154DEST_PATH_IMAGE007
为对所述数据来源的设备中第
Figure 154044DEST_PATH_IMAGE004
个设备进行担保的设备中第
Figure 530799DEST_PATH_IMAGE006
个设备的担保权重；
Figure 275901DEST_PATH_IMAGE008
为所述数据来源的设备的数目；
Figure 102912DEST_PATH_IMAGE009
为对所述数据来源的设备中第
Figure 933464DEST_PATH_IMAGE004
个设备进行担保的设 备的数目；
当所述第一可信度大于预设的第一阈值时，所述第一多模态数据的数据来源的第一可信度验证通过；
对所述第一多模态数据的第二可信度进行验证，包括：
对所述第一多模态数据进行解析，确定构成所述第一多模态数据中数据类型及各个数据类型的占比；
基于所述数据类型及各个数据类型的占比，确定所述第一多模态数据的第二可信度，计算公式如下：
Figure 379489DEST_PATH_IMAGE010
；
其中，
Figure 838152DEST_PATH_IMAGE011
为第二可信度；
Figure 711430DEST_PATH_IMAGE012
为第
Figure 124219DEST_PATH_IMAGE013
个所述数据类型对应的预设权重；
Figure 108356DEST_PATH_IMAGE014
为第
Figure 562471DEST_PATH_IMAGE013
个所述数 据类型的占比；
Figure 731284DEST_PATH_IMAGE015
为所述数据类型的种类数目；
当所述第二可信度大于预设的第二阈值时，所述第一多模态数据的第二可信度验证通过。
6.如权利要求5所述的基于多模态数据的突发公共安全事件检测系统，其特征在于，当根据所述事件数据，确定为突发公共安全事件后，对所述第一多模态数据的数据来源的设备进行信用值上调操作，对为所述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；
当根据所述事件数据，确定不是突发公共安全事件后，对所述第一多模态数据的数据来源的设备进行信用值下调操作，对为所述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，所述上调操作和/或所述下调操作的调整公式如下：
Figure 536429DEST_PATH_IMAGE016
；
其中，
Figure 58677DEST_PATH_IMAGE017
表示所述上调操作后或所述下调操作后的所述数据来源的设备的信用值或所 述担保设备的担保值，
Figure 757512DEST_PATH_IMAGE018
表示所述上调操作前或所述下调操作前的所述数据来源的设备的 信用值或所述担保设备的担保值；
Figure 972593DEST_PATH_IMAGE019
表示所述事件数据是否为突发公共安全事件而确定的 修正因子，当所述事件数据为突发公共安全事件时，
Figure 265034DEST_PATH_IMAGE019
为正值，当所述事件数据不是突发公 共安全事件时，
Figure 590973DEST_PATH_IMAGE019
为负值，
Figure 878735DEST_PATH_IMAGE020
表示调整幅度，
Figure 530296DEST_PATH_IMAGE021
表示调整幅度的补充值；
Figure 44454DEST_PATH_IMAGE022
；N表示所述数据来源的设备的数目或对所述数据来源设备担保的 设备的数目；
Figure 546322DEST_PATH_IMAGE023
表示第
Figure 95115DEST_PATH_IMAGE024
个所述数据来源的设备的信用值或第
Figure 651998DEST_PATH_IMAGE024
个对所述数据来源设备担 保的设备的担保值；
Figure 778086DEST_PATH_IMAGE025
表示所述数据来源的总信用值或对所述数据来源设备担保的 总担保值。
7.如权利要求5所述的基于多模态数据的突发公共安全事件检测系统，其特征在于，所述第二数据获取模块，执行如下操作：
将所述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；
将所述第一特征与所述触发特征库中的第二特征进行匹配，当匹配符合时，确定所述第一多模态数据为触发数据，获取所述第一多模态数据的发送方、接收方及发送时间；
根据所述发送方、所述接收方及所述发送时间，基于预设的提取规则提取所述第一多模态数据的所述发送时间前后的多个所述第二多模态数据；
其中，提取规则包括：
获取所述发送方向所述接收方发送的所述第一多模态数据前后预设数量的发送数据和/或所述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，对所述发送数据与所述第一多模态数据进行语义关联确认；
当所述发送数据与所述第一多模态数据存在语义关联时，将所述发送数据作为所述第二多模态数据。
8.如权利要求5所述的基于多模态数据的突发公共安全事件检测系统，其特征在于，所述解析模块执行如下操作：
将所述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；
将所述第三特征与所述突发公共安全事件判断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，
基于所述判断结果，确定是否为突发公共安全事件。
CN202011013134.9A 2020-09-24 2020-09-24 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 Active CN111932427B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011013134.9A CN111932427B (zh) 2020-09-24 2020-09-24 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011013134.9A CN111932427B (zh) 2020-09-24 2020-09-24 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

Publications (2)

Publication Number Publication Date
CN111932427A CN111932427A (zh) 2020-11-13
CN111932427B true CN111932427B (zh) 2021-01-26

Family

ID=73334117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011013134.9A Active CN111932427B (zh) 2020-09-24 2020-09-24 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

Country Status (1)

Country Link
CN (1) CN111932427B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113032466A (zh) * 2021-03-01 2021-06-25 国网浙江省电力有限公司临海市供电公司 一种用电数据监控方法及系统
CN116842211B (zh) * 2023-07-05 2024-03-15 北京能量时光教育科技有限公司 基于直播大数据的用户分析方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751782A (zh) * 2009-12-30 2010-06-23 北京大学深圳研究生院 一种基于多源信息融合的十字路口交通事件自动检测系统
CN105787049A (zh) * 2016-02-26 2016-07-20 浙江大学 一种基于多源信息融合分析的网络视频热点事件发现方法
CN108320256A (zh) * 2017-12-08 2018-07-24 中国电子科技集团公司电子科学研究院 基于大数据的社会安全事件识别方法、设备及存储介质
CN108806215A (zh) * 2018-06-14 2018-11-13 安徽科力信息产业有限责任公司 多源路况信息数据可信度指数的精度修正方法及系统
CN109472005A (zh) * 2018-11-08 2019-03-15 北京锐安科技有限公司 数据可信度评估方法、装置、设备和存储介质
CN110098961A (zh) * 2019-04-25 2019-08-06 北京天融信网络安全技术有限公司 一种数据质量评估方法、装置及存储介质
CN110232158A (zh) * 2019-05-06 2019-09-13 重庆大学 基于多模态数据的突发公共安全事件检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101830522B1 (ko) * 2016-08-22 2018-02-21 가톨릭대학교 산학협력단 빅 데이터를 이용한 예측 대상 지역의 범죄 발생 예측 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751782A (zh) * 2009-12-30 2010-06-23 北京大学深圳研究生院 一种基于多源信息融合的十字路口交通事件自动检测系统
CN105787049A (zh) * 2016-02-26 2016-07-20 浙江大学 一种基于多源信息融合分析的网络视频热点事件发现方法
CN108320256A (zh) * 2017-12-08 2018-07-24 中国电子科技集团公司电子科学研究院 基于大数据的社会安全事件识别方法、设备及存储介质
CN108806215A (zh) * 2018-06-14 2018-11-13 安徽科力信息产业有限责任公司 多源路况信息数据可信度指数的精度修正方法及系统
CN109472005A (zh) * 2018-11-08 2019-03-15 北京锐安科技有限公司 数据可信度评估方法、装置、设备和存储介质
CN110098961A (zh) * 2019-04-25 2019-08-06 北京天融信网络安全技术有限公司 一种数据质量评估方法、装置及存储介质
CN110232158A (zh) * 2019-05-06 2019-09-13 重庆大学 基于多模态数据的突发公共安全事件检测方法

Also Published As

Publication number Publication date
CN111932427A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
US10673966B2 (en) System and method for continuously monitoring and searching social networking media
AU2016261088B2 (en) Social media events detection and verification
US20170061248A1 (en) System and Method of Detecting Offensive Content Sent or Received on a Portable Electronic Device
CN111932427B (zh) 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
US20190188478A1 (en) Method and apparatus for obtaining video public opinions, computer device and storage medium
US9917803B2 (en) Detection of false message in social media
US20160219010A1 (en) Claiming conversations between users and non-users of a social networking system
CN104484359B (zh) 一种基于社交图谱的舆情分析方法及装置
WO2013016993A1 (zh) 一种搜索方法、系统和装置
CN112770129A (zh) 基于直播的群聊建立方法、相关装置、设备及介质
CN113343824A (zh) 双录质检方法、装置、设备及介质
CN111586695A (zh) 短信识别方法及相关设备
US9332031B1 (en) Categorizing accounts based on associated images
CN112214770A (zh) 恶意样本的识别方法、装置、计算设备以及介质
CN115599345A (zh) 一种基于知识图谱的应用安全需求分析推荐方法
CN105787101B (zh) 一种信息处理方法和电子设备
CN114760119A (zh) 一种钓鱼邮件攻击检测方法、装置及系统
CN111259216B (zh) 一种信息识别方法、装置及设备
CN115730104A (zh) 直播间处理方法、装置、设备及介质
CN111598714A (zh) 一种基于二阶段无监督的团伙识别方法、装置及电子设备
CN113489677B (zh) 一种基于语义上下文的零规则攻击检测方法及装置
US20170126605A1 (en) Identifying and merging duplicate messages
CN107992474A (zh) 一种流式数据主题挖掘方法及其系统
CN117649212B (zh) 一种基于大数据分析的治安防控综合管理云平台
CN108769933B (zh) 彩信识别方法和彩信识别系统

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
CP01 Change in the name or title of a patent holder

Address after: 2202, block a, 19 / F, building 1, 2 Zhongguancun South Street, Haidian District, Beijing

Patentee after: BEIJING TESTOR TECHNOLOGY Co.,Ltd.

Patentee after: Beijing Dongfang tongwangxin Technology Co.,Ltd.

Patentee after: BEIJING TONGTECH Co.,Ltd.

Patentee after: Beijing dongfangtong Software Co.,Ltd.

Address before: 2202, block a, 19 / F, building 1, 2 Zhongguancun South Street, Haidian District, Beijing

Patentee before: BEIJING TESTOR TECHNOLOGY Co.,Ltd.

Patentee before: BEIJING MICROVISION TECHNOLOGY Co.,Ltd.

Patentee before: BEIJING TONGTECH Co.,Ltd.

Patentee before: Beijing dongfangtong Software Co.,Ltd.

CP01 Change in the name or title of a patent holder