CN113610427B - 事件预警指标获得方法、装置、终端设备以及存储介质 - Google Patents
事件预警指标获得方法、装置、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN113610427B CN113610427B CN202110953174.XA CN202110953174A CN113610427B CN 113610427 B CN113610427 B CN 113610427B CN 202110953174 A CN202110953174 A CN 202110953174A CN 113610427 B CN113610427 B CN 113610427B
- Authority
- CN
- China
- Prior art keywords
- event
- information
- score
- early warning
- preset
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013210 evaluation model Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000002372 labelling Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000003066 decision tree Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 27
- 238000004891 communication Methods 0.000 description 12
- 238000012549 training Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种事件预警指标获得方法，用于终端设备，所述方法包括：获取针对目标事件的目标情报数据；对所述目标情报数据进行处理，获得事件情报信息；利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值；基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标。本发明还公开一种事件预警指标获得装置、终端设备以及计算机可读存储介质。利用本发明的方法，不需要预警人员对目标事件进行手动分析，从而大大降低了预警指标的获得时长，使得预警指标的获得效率提高。
Description
技术领域
本发明涉及事件分析领域，特别涉及一种事件预警指标获得方法、装置、终端设备以及计算机可读存储介质。
背景技术
目前社会治理与社会稳控事件中，为了能对稳控事件进行及时的预警，需要对稳控事件进行分析。
相关技术中，需要预警人员(政府机关或公安机关的专门人员)对目标事件的关键人进行手动分析，以获得关键人的预警信息，以通过预警信息确定关键人对应的预警指标。
但是，采用现有的事件分析方法，获得的预警指标的效率较低。
发明内容
本发明的主要目的是提供一种事件预警指标获得方法、装置、终端设备以及计算机可读存储介质，旨在解决现有技术中采用现有的事件分析方法，获得的预警指标的效率较低的技术问题。
为实现上述目的，本发明提出一种事件预警指标获得方法，用于终端设备，所述方法包括以下步骤：
获取针对目标事件的目标情报数据；
对所述目标情报数据进行处理，获得事件情报信息；
利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值；
基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标。
可选的，所述对所述目标情报数据进行处理，获得事件情报信息的步骤之前，所述方法还包括：
对所述目标情报数据进行结构化处理，获得结构化情报数据；
利用语义分析模型，在所述结构化情报数据中提取出关键词条集合；
所述对所述目标情报数据进行处理，获得事件情报信息的步骤，包括：
对所述出关键词条集合进行处理，获得事件情报信息。
可选的，所述对所述出关键词条集合进行处理，获得事件情报信息的步骤，包括：
利用预设标签化模型，对所述关键词条集合中的关键词条进行标签化处理，获得标签化数据表；
对所述标签化数据表进行清洗和过滤，获得事件情报信息。
可选的，所述利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值的步骤之前，所述方法还包括：
利用预设决策树模型对所述事件情报信息进行等级决策，获得所述事件情报信息的情报等级；
基于所述情报等级和所述事件情报信息，获得等级情报信息；
所述利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值的步骤，包括：
利用预设事件评估模型对所述等级情报信息，获得积分分值。
可选的，若所述目标事件为群体事件，则所述利用预设事件评估模型对所述等级情报信息，获得积分分值的步骤，包括：
基于所述等级情报信息，利用所述预设事件评估模型中的公式一，计算积分分值；
公式一为：
其中，S为所述积分分值，Enum为所述等级情报信息的数量与积分分值的映射关系，Wj为情报等级为j的等级情报信息的权重，n为所述等级情报信息对应的情报等级总数量，当所述等级情报信息包括敏感标签时f为1，当所述等级情报信息不包括敏感标签时f为0，Sall为满分分值。
可选的，若所述目标事件为个人事件，则所述利用预设事件评估模型对所述等级情报信息，获得积分分值的步骤，包括：
基于所述等级情报信息，获得人员基础标签分值和人员事件动态标签分值；
获取所述人员基础标签分值的第一分值权重和所述人员事件动态标签分值的第二分值权重；
基于所述人员基础标签分值、所述人员事件动态标签分值、所述第一分值权重和所述第二分值权重，利用所述预设事件评估模型中的公式二，计算积分分值；
公式二为：
S＝P1×X1+P2×X2
其中，S为所述积分分值，P1为所述第一分值权重，P2为所述第二分值权重，X1为所述人员基础标签分值，X2为所述人员事件动态标签分值。
可选的，所述基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标的步骤，包括：
基于所述积分分值，利用预设衰减模型中的公式三，计算所述所述目标事件的预警指标；
公式三为：
其中，St为所述预警指标，now为所述预警指标对应的当前日期，-Yd为以所述当前日期为准追溯Y天，Sdt为所述积分分值中日期dt对应的积分分值，p为预设衰减指数，(now-dt)为当前日期与日期dt的差。
此外，为实现上述目的，本发明还提出了一种事件预警指标获得装置，用于终端设备，所述装置包括：
获取模块，用于获取针对目标事件的目标情报数据；
数据处理模块，用于对所述目标情报数据进行处理，获得事件情报信息；
分值计算模块，用于利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值；
获得模块，用于基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标。
此外，为实现上述目的，本发明还提出了一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行事件预警指标获得程序，所述事件预警指标获得程序被所述处理器执行时实现如上述任一项所述的事件预警指标获得方法的步骤。
此外，为实现上述目的，本发明还提出了一种计算机可读存储介质，所述计算机可读存储介质上存储有事件预警指标获得程序，所述事件预警指标获得程序被处理器执行时实现如上述任一项所述的事件预警指标获得方法的步骤。
本发明技术方案提出了一种事件预警指标获得方法，用于终端设备，所述方法包括以下步骤：获取针对目标事件的目标情报数据；对所述目标情报数据进行处理，获得事件情报信息；利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值；基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标。
现有的方法中，需要预警人员对目标事件的关键人进行手动分析，以获得关键人的预警信息，并通过预警信息确定关键人对应的预警指标，使得预警指标的获得时长较长，预警指标的获得效率较低。而本发明中，终端设备自动利用预设事件评估模型对目标事件对应的事件情报信息进行分值计算，获得积分分值，然后继续自动基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标，并不需要预警人员对目标事件进行手动分析，从而大大减少了预警指标的获得时间，使得预警指标的获得效率提高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图；
图2为本发明事件预警指标获得方法第一实施例的流程示意图；
图3为本发明事件预警指标获得装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图。
通常，终端设备包括：至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的事件预警指标获得程序，所述事件预警指标获得程序配置为实现如前所述的事件预警指标获得方法的步骤。
处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关事件预警指标获得方法操作，使得事件预警指标获得方法模型可以自主训练学习，提高效率和准确度。
存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的事件预警指标获得方法。
在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。
通信接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。本领域技术人员可以理解，图1中示出的结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有事件预警指标获得程序，所述事件预警指标获得程序被处理器执行时实现如上文所述的事件预警指标获得方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序指令可被部署为在一个终端设备上执行，或者在位于一个地点的多个终端设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个终端设备备上执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的计算机可读存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
基于上述硬件结构，提出本发明事件预警指标获得方法的实施例。
参照图2，图2为本发明事件预警指标获得方法第一实施例的流程示意图，所述方法用于终端设备，所述方法包括以下步骤：
步骤S11：获取针对目标事件的目标情报数据。
需要说明的是，本发明的执行主体是终端设备，终端设备安装有事件预警指标获得程序，终端设备执行事件预警指标获得程序时，实现本发明的事件预警指标获得方法的步骤。
通常，在本发明中，目标事件可以是指社会治理中的稳控事件或维稳事件。目标事件可以是群体事件：涉及多个人、多人之间人与人串联和人与多人不知情人串联为主的事件，目标事件还可以是个人事件：涉及一个人、个人与相关人员关联以及个人与相关事件关联为主的事件。
通常，目标事件是指当前需要进行分析的群体事件或个人事件，目标情报数据即是针对目标事件需要的各种情报信息，目标情报数据可以是源于各种途径：文档、视频或录制音频等。
步骤S12：对所述目标情报数据进行处理，获得事件情报信息。
获取到的目标情报数据通常是，杂乱无章的，可能包括较多的无用信息，需要对其进行多层级的处理，获得较清晰的事件情报信息。
进一步的，所述对所述目标情报数据进行处理，获得事件情报信息的步骤之前，所述方法还包括：对所述目标情报数据进行结构化处理，获得结构化情报数据；利用语义分析模型，在所述结构化情报数据中提取出关键词条集合；相应的，所述对所述目标情报数据进行处理，获得事件情报信息的步骤，包括：对所述出关键词条集合进行处理，获得事件情报信息。
一般而言，目标情报数据来的途径繁多，导致目标情报数据的种类和结构参差不齐，目标情报数据可能包括：结构化数据、非结构化数据或半结构化数据。由于目标情报数据的获得途径比较多，目标情报数据可能并不是可用的文本数据(例如音频数据或视频数据)，首先需要对目标情报数据进行文本转换，以获得文本数据；然后对文本数据进行结构化处理：将文本数据转换为一级段落(专报段落)、二级段落(专题段落)和三级段落(事件段落)等具有常规表达形式的的结构化情报数据；然后在继续在结构化情报数据中提取关键词条，提取的关键词条用于表示目标事件的有效详细信息；提取出的关键词条组成的集合即为关键词条集合，关键词条集合可以包括包括人员姓名、群体维度、时间维度、敏感词和地域维度等数据，对于结构化情报数据中的其他信息，则不需要被利用，可以舍弃。
其中，语义分析模型即是进行关键词条提取的语义模型，语义模型可以是任何现有形式的神经网络模型，本发明不做限定。通常需要获取到对应的训练样本，利用训练样本对初始语义模型进行训练，以获得该语义分析模型。为了保证语义分析模型的准确率，需要训练样本包括较多和较全面的训练数据，使得训练数据能囊括关键词条集合包括的多种关键词条。
进一步的，所述对所述出关键词条集合进行处理，获得事件情报信息的步骤，包括：利用预设标签化模型，对所述关键词条集合中的关键词条进行标签化处理，获得标签化数据表；对所述标签化数据表进行清洗和过滤，获得事件情报信息。
需要说明的是，预设标签化模型是指对关键词条进行标签化处理的模型，关键词条标签化处理之后的数据即为标签化数据，全部关键词条对应的标签化数据组成所述标签化数据表，标签化数据表可以包括：姓名特征、手机特征、身份特征、群体特征和地域特征等信息。
对于每一次进行本发明的方法获得的关键词条集合和标签化数据表，均可以将他们存储于知识库。当预设标签化模型的处理准确率较低时，则利用知识库中的数据，对预设标签化模型进行更新，实现预设标签化模型的监督学习。
具体的，对所述标签化数据表中的数据进行过滤和清洗，获得包括人员信息的人员表和包括事件信息的情报信息表；人员表可以包括事件ID、姓名、手机号、身份证和群体标签等数据，情报信息表可以包括事件ID、事件摘要、敏感关键词、群体标签、处理情况、时间戳、地域和来源标签等信息，人员表和情报信息表的和即为所述事件情报信息。其中，人员表和情报信息表中的数据也是以标签化数据的形式体现，即人员表和情报信息表中的数据形式均是标签信息的形式，因此，目标事件对应的事件情报信息是包括人员表对应的标签信息和情报信息表中的标签信息的。
步骤S13：利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值。
当获得事件情报信息之后，利用预设事件评估模型对其进行分值计算，以事件情报信息为基础，获得目标事件的积分分值，积分分值为评估目标事件的一个重要依据。
进一步的，述利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值的步骤之前，所述方法还包括：利用预设决策树模型对所述事件情报信息进行等级决策，获得所述事件情报信息的情报等级；基于所述情报等级和所述事件情报信息，获得等级情报信息；相应的，所述利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值的步骤，包括：利用预设事件评估模型对所述等级情报信息，获得积分分值。
需要说明的是，预设决策树模型是用于对事件情报信息进行等级决策的模型，用于对事件情报信息进行情报等级划分。对于处于不同时期的目标事件，通常需要获取到该时期对应的大量训练样本(该训练样本包括该时期，各种不同的事件情报信息(包括该时期的人员表和情报信息表))，利用该大量训练样本对初始决策树模型进行训练，以获得具有良好决策能力的预设决策树模型。通常为了，保证预设决策树模型决策能力较准确，对于每一个时期，获得的训练样本为该时期的热点事件对应的事件情报信息。
可以理解的是，预设决策树模型是通过对目标事件对应的事件情报信息中的标签信息进行情报等级的决策，因此，等级情报信息是以具有情报等级的标签信息的形式体现。通常对于一个标签信息，它的情报等级不同，该标签信息具有的权重也不同，用户可以基于实际的情况对权重进行设置，用户还可以对某些特殊事件或者紧急事件进行权重升级。
需要说明的是，不同形式的目标事件对应的积分分值获得方式不同，若所述目标事件为群体事件，则所述利用预设事件评估模型对所述等级情报信息，获得积分分值的步骤，包括：基于所述等级情报信息，利用所述预设事件评估模型中的公式一，计算积分分值；
公式一为：
其中，S为所述积分分值，Enum为所述等级情报信息的数量与积分分值的映射关系，Wj为情报等级为j的等级情报信息的权重，n为所述等级情报信息对应的情报等级总数量，当所述等级情报信息包括敏感标签时f为1，当所述等级情报信息包括敏感标签时f为0，Sall为满分分值。
需要说明的是，通常n包括四种等级，即j对应四种情况：j＝1：场所级别，j＝2：家庭变故，j＝3：地域级别，j＝4：激烈程度。预设决策树模型对目标事件对应的事件情报信息中的标签信息进行情报等级的决策时，也会获得标签信息的敏感性决策结果：标签信息为敏感标签或非敏感标签，当标签信息的敏感性决策结果不同时，对应的f取值也不同。
可以理解的是，若所述目标事件为群体事件，预设事件评估模型的表现形式即为公式一。同时，满分分值可以是用户基于需求设定的，本发明不做限定，例如满分分值为100或50等。
进一步的，若所述目标事件为个人事件，则所述利用预设事件评估模型对所述等级情报信息，获得积分分值的步骤，包括：基于所述等级情报信息，获得人员基础标签分值和人员事件动态标签分值；获取所述人员基础标签分值的第一分值权重和所述人员事件动态标签分值的第二分值权重；基于所述人员基础标签分值、所述人员事件动态标签分值、所述第一分值权重和所述第二分值权重，利用所述预设事件评估模型中的公式二，计算积分分值；
公式二为：
S＝P1×X1+P2×X2
其中，S为所述积分分值，P1为所述第一分值权重，P2为所述第二分值权重，X1为所述人员基础标签分值，X2为所述人员事件动态标签分值。
在本发明中，第一分值权重和第二分值权重可以是用户基于需求，对人员基础标签分值和人员事件动态标签分值设定的权重，以用于求得所述积分分值。在一些实施例中，除了人员基础标签分值和人员事件动态标签分值，还可以包括其他类型的分值，其他类型的分值也会对应权重，则基于全部的分值和全部分值对应的权重，进行线性加权，求得最终的积分分值。
步骤S14：基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标。
当获得目标事件对应的积分分值(可能是群体事件对应的积分分值，也可能是个人事件对应的积分分值)之后，即可利用预设衰减模型，求得目标事件的预警指标。预警指标是以分值的形式体现，分值越大，目标事件越危险，越需要进行预警。
具体的，所述基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标的步骤，包括：基于所述积分分值，利用预设衰减模型中的公式三，计算所述所述目标事件的预警指标；
公式三为：
其中，St为所述预警指标，now为所述预警指标对应的当前日期，-Yd为以所述当前日期为准追溯Y天，Sdt为所述积分分值中日期dt对应的积分分值，p为预设衰减指数，(now-dt)为当前日期与日期dt的差。
可以理解的是，公式三即是预设衰减模型的表现形式，在本发明中，Y通常取30，即追溯30天即可；同时，预设衰减指数通常取0.5。在本发明中，对于每一个日期(当前日期和追溯的全部日期)，均需要求得对应的积分分值，然后利用上述公式求得最终的预警指标。
在一些实施例中，用户可以基于不同的需求和实际的目标事件的具体情况，配置不同的衰减指数和追溯日期。另外，对于不同的时期，本发明涉及的权重(第一分值权重、第二分值权重和情报等级为j的等级情报信息的权重)均可以做适应性的调整，以使的获得的预警指标更加准确，更加适用于当前的时期。
本发明技术方案提出了一种事件预警指标获得方法，用于终端设备，所述方法包括以下步骤：获取针对目标事件的目标情报数据；对所述目标情报数据进行处理，获得事件情报信息；利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值；基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标。
现有的方法中，需要预警人员对目标事件的关键人进行手动分析，以获得关键人的预警信息，并通过预警信息确定关键人对应的预警指标，使得预警指标的获得时长较长，预警指标的获得效率较低。而本发明中，终端设备自动利用预设事件评估模型对目标事件对应的事件情报信息进行分值计算，获得积分分值，然后继续自动基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标，并不需要预警人员对目标事件进行手动分析，从而大大减少了预警指标的获得时间，使得预警指标的获得效率提高。
另外，对目标事件的人员和目标事件对应的关键信息进行自动分析和关联，并利用历史数据进行各个模型的训练，利于目标事件(尤其是维稳事件和稳控事件)态势分析。对事件的分析不再局限于个人，而是基于关键人、与关键人关联的关联人、与关键人关联的事件以及与目标事件关联的事件等多个因素，共同进行分析，获得最终的预警指标，预警指标的准确性也进一步提高。
参照图3，图3为本发明事件预警指标获得装置第一实施例的结构框图，所述装置用于终端设备，基于与前述实施例相同的发明构思，所述装置包括：
获取模块10，用于获取针对目标事件的目标情报数据；
数据处理模块20，用于对所述目标情报数据进行处理，获得事件情报信息；
分值计算模块30，用于利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值；
获得模块40，用于基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标。
需要说明的是，由于本实施例的装置所执行的步骤与前述方法实施例的步骤相同，其具体的实施方式以及可以达到的技术效果都可参照前述实施例，这里不再赘述。
以上所述仅为本发明的可选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (8)
1.一种事件预警指标获得方法，其特征在于，用于终端设备，所述方法包括以下步骤：
获取针对目标事件的目标情报数据；
对所述目标情报数据进行处理，获得事件情报信息；
利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值；
基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标；
所述基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标的步骤，包括：
基于所述积分分值，利用预设衰减模型中的公式三，计算所述所述目标事件的预警指标；
公式三为：
其中，St为所述预警指标，now为所述预警指标对应的当前日期，-Yd为以所述当前日期为准追溯Y天，Sdt为所述积分分值中日期dt对应的积分分值，p为预设衰减指数，(now-dt)为当前日期与日期dt的差；
所述利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值，包括：
利用预设决策树模型对所述事件情报信息进行等级决策，获得所述事件情报信息的情报等级；
基于所述情报等级和所述事件情报信息，获得等级情报信息；
利用预设事件评估模型对所述等级情报信息进行分值计算，获得积分分值。
2.如权利要求1所述的方法，其特征在于，所述对所述目标情报数据进行处理，获得事件情报信息的步骤之前，所述方法还包括：
对所述目标情报数据进行结构化处理，获得结构化情报数据；
利用语义分析模型，在所述结构化情报数据中提取出关键词条集合；
所述对所述目标情报数据进行处理，获得事件情报信息的步骤，包括：
对所述出关键词条集合进行处理，获得事件情报信息。
3.如权利要求2所述的方法，其特征在于，所述对所述出关键词条集合进行处理，获得事件情报信息的步骤，包括：
利用预设标签化模型，对所述关键词条集合中的关键词条进行标签化处理，获得标签化数据表；
对所述标签化数据表进行清洗和过滤，获得事件情报信息。
4.如权利要求1所述的方法，其特征在于，若所述目标事件为群体事件，则所述利用预设事件评估模型对所述等级情报信息，获得积分分值的步骤，包括：
基于所述等级情报信息，利用所述预设事件评估模型中的公式一，计算积分分值；
公式一为：
其中，S为所述积分分值，Enum为所述等级情报信息的数量与积分分值的映射关系，Wj为情报等级为j的等级情报信息的权重，n为所述等级情报信息对应的情报等级总数量，当所述等级情报信息包括敏感标签时f为1，当所述等级情报信息不包括敏感标签时f为0，Sall为满分分值。
5.如权利要求1所述的方法，其特征在于，若所述目标事件为个人事件，则所述利用预设事件评估模型对所述等级情报信息，获得积分分值的步骤，包括：
基于所述等级情报信息，获得人员基础标签分值和人员事件动态标签分值；
获取所述人员基础标签分值的第一分值权重和所述人员事件动态标签分值的第二分值权重；
基于所述人员基础标签分值、所述人员事件动态标签分值、所述第一分值权重和所述第二分值权重，利用所述预设事件评估模型中的公式二，计算积分分值；
公式二为：
S＝P1×X1+P2×X2
其中，S为所述积分分值，P1为所述第一分值权重，P2为所述第二分值权重，X1为所述人员基础标签分值，X2为所述人员事件动态标签分值。
6.一种事件预警指标获得装置，其特征在于，用于终端设备，所述装置包括：
获取模块，用于获取针对目标事件的目标情报数据；
数据处理模块，用于对所述目标情报数据进行处理，获得事件情报信息；
分值计算模块，用于利用预设事件评估模型对所述事件情报信息进行分值计算，获得积分分值；
获得模块，用于基于所述积分分值和预设衰减模型，获得所述目标事件的预警指标；
所述获得模块，还用于基于所述积分分值，利用预设衰减模型中的公式三，计算所述所述目标事件的预警指标；公式三为： 其中，St为所述预警指标，now为所述预警指标对应的当前日期，-Yd为以所述当前日期为准追溯Y天，Sdt为所述积分分值中日期dt对应的积分分值，p为预设衰减指数，(now-dt)为当前日期与日期dt的差；
所述分值计算模块，还用于利用预设决策树模型对所述事件情报信息进行等级决策，获得所述事件情报信息的情报等级；基于所述情报等级和所述事件情报信息，获得等级情报信息；利用预设事件评估模型对所述等级情报信息进行分值计算，获得积分分值。
7.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行事件预警指标获得程序，所述事件预警指标获得程序被所述处理器执行时实现如权利要求1至5中任一项所述的事件预警指标获得方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有事件预警指标获得程序，所述事件预警指标获得程序被处理器执行时实现如权利要求1至5中任一项所述的事件预警指标获得方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110953174.XA CN113610427B (zh) | 2021-08-19 | 2021-08-19 | 事件预警指标获得方法、装置、终端设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110953174.XA CN113610427B (zh) | 2021-08-19 | 2021-08-19 | 事件预警指标获得方法、装置、终端设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113610427A CN113610427A (zh) | 2021-11-05 |
| CN113610427B true CN113610427B (zh) | 2023-08-18 |
Family
ID=78341215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110953174.XA Active CN113610427B (zh) | 2021-08-19 | 2021-08-19 | 事件预警指标获得方法、装置、终端设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610427B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116304117B (zh) * | 2023-05-15 | 2023-09-08 | 北京睿企信息科技有限公司 | 一种获取文本信息的数据处理方法、系统和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008027431A (ja) * | 2006-06-22 | 2008-02-07 | Nec Corp | 情報解析装置、情報解析方法、及び情報解析プログラム |
| WO2018023981A1 (zh) * | 2016-08-03 | 2018-02-08 | 平安科技（深圳）有限公司 | 舆情分析方法、装置、设备及计算机可读存储介质 |
| CN110457533A (zh) * | 2019-07-25 | 2019-11-15 | 河南开合软件技术有限公司 | 一种情报数据模型分析方法 |
| WO2019227710A1 (zh) * | 2018-05-31 | 2019-12-05 | 平安科技（深圳）有限公司 | 网络舆情的分析方法、装置及计算机可读存储介质 |
| WO2021017614A1 (zh) * | 2019-07-31 | 2021-02-04 | 平安科技（深圳）有限公司 | 威胁情报数据采集处理方法、系统、装置及存储介质 |
| CN112765485A (zh) * | 2021-01-18 | 2021-05-07 | 深圳市网联安瑞网络科技有限公司 | 网络社会事件预测方法、系统、终端、计算机设备及介质 |
| CN113221535A (zh) * | 2021-05-31 | 2021-08-06 | 南方电网数字电网研究院有限公司 | 情报处理方法、装置、计算机设备和存储介质 |
-
2021
- 2021-08-19 CN CN202110953174.XA patent/CN113610427B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008027431A (ja) * | 2006-06-22 | 2008-02-07 | Nec Corp | 情報解析装置、情報解析方法、及び情報解析プログラム |
| WO2018023981A1 (zh) * | 2016-08-03 | 2018-02-08 | 平安科技（深圳）有限公司 | 舆情分析方法、装置、设备及计算机可读存储介质 |
| WO2019227710A1 (zh) * | 2018-05-31 | 2019-12-05 | 平安科技（深圳）有限公司 | 网络舆情的分析方法、装置及计算机可读存储介质 |
| CN110457533A (zh) * | 2019-07-25 | 2019-11-15 | 河南开合软件技术有限公司 | 一种情报数据模型分析方法 |
| WO2021017614A1 (zh) * | 2019-07-31 | 2021-02-04 | 平安科技（深圳）有限公司 | 威胁情报数据采集处理方法、系统、装置及存储介质 |
| CN112765485A (zh) * | 2021-01-18 | 2021-05-07 | 深圳市网联安瑞网络科技有限公司 | 网络社会事件预测方法、系统、终端、计算机设备及介质 |
| CN113221535A (zh) * | 2021-05-31 | 2021-08-06 | 南方电网数字电网研究院有限公司 | 情报处理方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113610427A (zh) | 2021-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110619568A (zh) | 风险评估报告的生成方法、装置、设备及存储介质 | |
| KR102288249B1 (ko) | 정보 처리 방법, 단말기, 및 컴퓨터 저장 매체 | |
| CN109145216A (zh) | 网络舆情监控方法、装置及存储介质 | |
| CN106874279A (zh) | 生成应用类别标签的方法及装置 | |
| CN113657547B (zh) | 基于自然语言处理模型的舆情监测方法及其相关设备 | |
| CN116975299B (zh) | 文本数据的判别方法、装置、设备及介质 | |
| CN113704410B (zh) | 情绪波动检测方法、装置、电子设备及存储介质 | |
| CN112052424B (zh) | 一种内容审核方法及装置 | |
| CN116089873A (zh) | 模型训练方法、数据分类分级方法、装置、设备及介质 | |
| CN113610427B (zh) | 事件预警指标获得方法、装置、终端设备以及存储介质 | |
| CN111553163A (zh) | 文本相关度的确定方法、装置、存储介质及电子设备 | |
| CN111460831B (zh) | 事件确定方法、相关设备及可读存储介质 | |
| CN115905528A (zh) | 具有时序特征的事件多标签分类方法、装置及电子设备 | |
| CN117115596B (zh) | 对象动作分类模型的训练方法、装置、设备及介质 | |
| CN110136743A (zh) | 基于声音采集的健康状态监控方法、装置及存储介质 | |
| CN112232048B (zh) | 一种基于神经网络的表格处理方法以及相关装置 | |
| CN111552832A (zh) | 基于声纹特征与关联图谱数据的风险用户识别方法、装置 | |
| CN114548114B (zh) | 文本情绪识别方法、装置、设备及存储介质 | |
| CN116737947A (zh) | 实体关系图构建方法、装置、设备及存储介质 | |
| CN115098644A (zh) | 图像与文本匹配方法、装置、电子设备及存储介质 | |
| CN110807330B (zh) | 语义理解模型评估方法、装置及存储介质 | |
| CN112966161A (zh) | 一种舆论类别的确定方法、装置和设备 | |
| CN113569043A (zh) | 一种文本类别确定方法和相关装置 | |
| CN111523318A (zh) | 一种汉语短语分析方法、系统、存储介质及电子设备 | |
| CN111475732B (zh) | 一种信息处理方法和装置 |
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 |