CN116595155B - 基于标准数字化的突发事件智能应急辅助决策方法和系统 - Google Patents
基于标准数字化的突发事件智能应急辅助决策方法和系统 Download PDFInfo
- Publication number
- CN116595155B CN116595155B CN202310869394.3A CN202310869394A CN116595155B CN 116595155 B CN116595155 B CN 116595155B CN 202310869394 A CN202310869394 A CN 202310869394A CN 116595155 B CN116595155 B CN 116595155B
- Authority
- CN
- China
- Prior art keywords
- emergency
- standard
- entity
- event
- knowledge
- 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 38
- 238000011161 development Methods 0.000 claims abstract description 30
- 230000004044 response Effects 0.000 claims description 29
- 238000010276 construction Methods 0.000 claims description 10
- 239000013589 supplement Substances 0.000 claims description 4
- 230000010485 coping Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 11
- 238000000605 extraction Methods 0.000 description 9
- OSVXSBDYLRYLIG-UHFFFAOYSA-N dioxidochlorine(.) Chemical group O=Cl=O OSVXSBDYLRYLIG-UHFFFAOYSA-N 0.000 description 8
- 239000004155 Chlorine dioxide Substances 0.000 description 4
- 235000019398 chlorine dioxide Nutrition 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 239000010779 crude oil Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 239000005997 Calcium carbide Substances 0.000 description 2
- BZHJMEDXRYGGRV-UHFFFAOYSA-N Vinyl chloride Chemical compound ClC=C BZHJMEDXRYGGRV-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- CLZWAWBPWVRRGI-UHFFFAOYSA-N tert-butyl 2-[2-[2-[2-[bis[2-[(2-methylpropan-2-yl)oxy]-2-oxoethyl]amino]-5-bromophenoxy]ethoxy]-4-methyl-n-[2-[(2-methylpropan-2-yl)oxy]-2-oxoethyl]anilino]acetate Chemical compound CC1=CC=C(N(CC(=O)OC(C)(C)C)CC(=O)OC(C)(C)C)C(OCCOC=2C(=CC=C(Br)C=2)N(CC(=O)OC(C)(C)C)CC(=O)OC(C)(C)C)=C1 CLZWAWBPWVRRGI-UHFFFAOYSA-N 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012360 testing method 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
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种基于标准数字化的突发事件智能应急辅助决策方法和系统。该方法包括:基于突发事件的情景信息语料集,对突发事件的情景信息进行语义解析和意图识别,构造查询语句;基于突发事件的应对标准文件构建的标准知识图谱,根据突发事件当前情景对应的查询语句查询突发事件当前情景的标准应急知识;基于突发事件的事件链知识图谱,对突发事件的演化发展进行预测,根据得到的次生衍生灾害事件对应的查询语句查询标准知识图谱,获取预测情景的次生衍生灾害标准知识,做到根据实时的突发事件情景信息生成来自标准或预案的应急知识,动态、精准的辅助突发事件应急决策,为一线应急处置、各级指挥人员制定应急决策提供依据。
Description
技术领域
本申请涉及应急管理技术领域,特别涉及一种基于标准数字化的突发事件智能应急辅助决策方法和系统。
背景技术
突发事件的发生和发展是动态的,随着时间的变化,不同阶段突发事件的特征差别显著。除此之外,外部环境和应急处置措施等因素的影响也使原始的突发事件可能引发新的衍生灾害。在各类突发事件的应急响应中,无论是一线应急处置人员还是各级指挥人员,整个过程中都需要进行一系列的应急决策。
应急决策在应急响应中发挥着重要作用,决策主体在有限的时间内需要了解事件的关键信息,研判事件发展的态势,采取应急措施以最大程度减少损失和伤害。在目前的应急处置流程中,针对单一事件消息获取渠道及数量有限,且决策主体通常依据其自身的知识、经验积累,对突发事件进行主观决策。这种对于突发事件的应急决策方法,多依赖于专家经验,如果决策主体缺乏相关的应急知识,则无法保证其对该事件的应对是否正确,可能由此做出不科学的决策。
在应急响应中,时间紧迫且情况多变,决策主体如果过度依赖过往经验,制定的决策难免有疏漏,虽有突发事件的应急预案和各类标准供参考,但在争分夺秒的时间压力下,“找不到、对不上、用不准”的现象频发,应急决策人员难以将具有规范性的应急知识应用到决策过程中。
因而,亟需提供一种针对上述现有技术不足的技术方案。
发明内容
本申请的目的在于提供一种基于标准数字化的突发事件智能应急辅助决策方法和系统,以解决或缓解上述现有技术中存在的问题。
为了实现上述目的,本申请提供如下技术方案:
本申请提供一种基于标准数字化的突发事件智能应急辅助决策方法,包括:基于预先构建的所述突发事件的情景信息语料集,对所述突发事件的情景信息进行语义解析和意图识别,以构造查询语句;基于所述突发事件的应对标准文件构建的标准知识图谱,根据所述突发事件当前情景对应的查询语句查询所述突发事件当前情景的标准应急知识;基于预先构建的所述突发事件的事件链知识图谱,对所述突发事件的演化发展进行预测,得到所述突发事件演化发展的次生衍生灾害事件;基于标准知识图谱,根据所述次生衍生灾害事件对应的查询语句查询所述突发事件演化发展的预测情景的次生衍生灾害标准知识。
优选的,构建所述突发事件的情景信息语料集包括:收集所述突发事件的事故案例数据,构建所述突发事件的初始语料集;根据获取的所述突发事件的决策需求,以冷启动的方式,对可能出现的所述突发事件的情景信息进行分析描述,自动生成可能出现的所述突发事件的情景信息,以对所述初始语料集进行补充,得到所述突发事件的情景信息语料集。
优选的,所述对所述突发事件的情景信息进行语义解析包括:基于Bi-LSTM+CRF模型,根据所述情景信息语料集,对所述突发事件的情景信息进行实体识别,生成所述突发事件的情景信息的实体指称;对生成的所述实体指称按照单个字符进行拆分,以从所述标准知识图谱中得到与生成的所述实体指称对应的多个候选实体;按照每个所述候选实体与所述实体指称之间的相似度,将最大相似度对应的所述候选实体作为目标实体与所述实体指称进行实体链接。
优选的,对所述突发事件的情景信息进行意图识别包括:基于BERT模型,对所述突发事件的情景信息进行文本分类,识别出所述突发事件在所述标准知识图谱中对应的关系或属性,获取所述突发事件的决策需求;将所述目标实体填充到所述决策需求对应的知识图谱查询模板槽位中,以构造所述查询语句。
优选的,所述基于预先构建的所述突发事件的事件链知识图谱,对所述突发事件的演化发展进行预测,得到所述突发事件演化发展的次生衍生灾害事件,包括:将对所述突发事件的情景信息进行语义解析得到的事故类型实体链接到所述事件链知识图谱中;在所述事件链知识图谱中查询与所述事故类型实体相关联的全部三元组,得到所述事故类型实体的后续节点事件组及其对应的关系权重属性组;确定所述权重属性组中权重最大的所述节点事件组为所述突发事件演化发展的次生衍生灾害事件。
优选的,所述基于所述标准知识图谱,根据所述次生衍生灾害事件对应的查询语句查询所述突发事件演化发展的预测情景的次生衍生灾害标准知识,包括:将对所述突发事件的情景信息经过语义解析得到的其它类型实体填充到所述次生衍生灾害事件对应的查询语句中;根据所述次生衍生灾害事件对应的查询语句,查询所述标准知识图谱,得到所述次生衍生灾害事件对应的次生衍生灾害标准知识。
本申请实施例还提供一种基于标准数字化的突发事件智能应急辅助决策系统,包括:查询语句构造单元,配置为基于预先构建的所述突发事件的情景信息语料集,对所述突发事件的情景信息进行语义解析和意图识别,以构造查询语句;当前情景知识获取单元,配置为基于所述突发事件的应对标准文件构建的标准知识图谱,根据所述突发事件当前情景对应的查询语句查询所述突发事件当前情景的标准应急知识;事件演化预测单元,配置为基于预先构建的所述突发事件的事件链知识图谱,对所述突发事件的演化发展进行预测,得到所述突发事件演化发展的次生衍生灾害事件;预测情景知识获取单元,配置为基于所述标准知识图谱,根据所述次生衍生灾害事件对应的查询语句查询获取所述突发事件演化发展的预测情景的次生衍生灾害标准知识。
有益效果
本申请实施例提供的基于标准数字化的突发事件智能应急辅助决策方法中,基于预先构建的突发事件的情景信息语料集,对突发事件的情景信息进行语义解析和意图识别,以构造查询语句;基于预先构建的突发事件的事件链知识图谱,对突发事件的演化发展进行预测,得到突发事件演化发展的次生衍生灾害事件;基于突发事件的应对标准文件构建的标准知识图谱,根据查询语句查询突发事件当前情景的标准应急知识,同时根据次生衍生灾害事件对应的查询语句查询获取突发事件演化发展的预测情景的次生衍生灾害标准知识,以根据突发事件当前情景的标准应急知识和突发事件演化发展的预测情景的次生衍生灾害标准知识,对突发事件进行智能辅助决策。籍此,通过知识图谱实现典型突发事件应对标准的数字化,在此基础上,针对突发事件,从当前情景和预测情景两个角度,实现基于“情景-知识”匹配的突发事件应对标准应急知识的获取,进而基于当前情景和预测情景两个角度的标准应急知识,形成动态且精准的突发事件智能应急辅助决策,做到根据实时的突发事件情景信息生成来自标准或预案的应急知识,为一线应急处置人员和各级指挥人员制定应急决策提供依据。
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申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。其中:
图1为根据本申请的一些实施例提供的一种基于标准数字化的突发事件智能应急辅助决策方法的流程示意图;
图2为根据本申请的一些实施例提供的基于标准数字化的突发事件智能应急辅助决策方法的逻辑示意图;
图3根据本申请的一些实施例提供的基于“情景-知识”匹配的突发事件应对标准应急决策知识获取的流程图;
图4为根据本申请的一些实施例提供的实体链接的实现流程图;
图5为根据本申请的一些实施例提供的某突发事故事件链的示意图;
图6为根据本申请的一些实施例提供的事件链知识图谱边权重属性的计算示意图;
图7为根据本申请的一些实施例提供的一种基于标准数字化的突发事件智能应急辅助决策系统的结构示意图;
图8为根据本申请的一些实施例提供的一种基于标准数字化的突发事件智能应急辅助决策系统的功能分解图;
图9为根据本申请的一些实施例提供的一种基于标准数字化的突发事件智能应急辅助决策系统的结构设计图。
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申请。各个示例通过本申请的解释的方式提供而非限制本申请。实际上,本领域的技术人员将清楚,在不脱离本申请的范围或精神的情况下,可在本申请中进行修改和变型。例如,示为或描述为一个实施例的一部分的特征可用于另一个实施例,以产生又一个实施例。因此,所期望的是,本申请包含归入所附权利要求及其等同物的范围内的此类修改和变型。
应急决策在应急响应中发挥着重要作用,决策主体在有限的时间内需要了解事件的关键信息,研判事件发展的态势,采取应急措施以最大程度减少损失和伤害。目前,针对突发事件的应急响应,应急决策往往受制于决策主体,一旦决策失灵,将会造成严重的后果。无论是决策主体的心理特征、个人特质还是决策的环境,都影响着决策主体的应急决策行为。
通常,决策主体一般认为突发事件是消极的,在这种负面情绪的影响下,决策主体可能疏于加工信息,导致其对事件的认知不完整;在应急响应过程中,决策主体承担着时间等压力,因此产生的心理压力对决策行为的影响同样不容小觑。而且,不同的决策主体对待突发事件的态度和每个决策主体的自我认知,同样影响着应急决策,不同风险主张的决策主体进行风险管理的方式也迥然不同。
而标准数字化是通过对标准全文进行研究和挖掘,将传统文本形式的标准转型为计算机可识别的内容,提升制定标准的效率,同时改善标准的使用方式。
针对目前突发事件标准数字化程度低、标准知识的查询运用中存在着“找不到、对不上、用不准”的现象;应急决策过程中,存在着决策主体过度依赖过往经验,应急决策人员难以将具有规范性的应急知识应用到决策过程中,以支撑应急决策的问题。为保证突发事件应对的有效开展、防止事态恶化和减少人员伤亡,申请人提出了一种基于标准数字化的突发事件智能应急辅助决策方法和系统,通过行业标准、应急预案等标准文件,构建了突发事件应对标准知识图谱的本体库和模式层;从突发事件标准中抽取应急知识填充数据层,建立了突发事件应对标准知识库。并基于此,构建突发事件情景信息冷启动语料作为突发事件案例信息的补充,实现突发事件情景信息的语义解析,同时运用文本分类实现意图识别,基于事件链知识图谱预测事件的演化发展,得到基于当前情景和预测情景的标准应急知识,形成动态且精准的突发事件智能应急辅助决策,做到根据实时的突发事件情景信息生成来自标准或预案的应急知识,为一线应急处置人员和各级指挥人员制定应急决策提供依据。
如图1至图3所示,该基于标准数字化的突发事件智能应急辅助决策方法包括:
步骤S101、基于预先构建的突发事件的情景信息语料集,对突发事件的情景信息进行语义解析和意图识别,以构造查询语句。
在突发事件的应急响应中,决策主体在进行决策前能够获取的信息是有限的,主要是片段性的突发事件的情景信息。然而,突发事件的历史接报信息难以获取,因而,为了构建突发事件的情景信息语料集,一方面收集突发事件的事故案例数据,构建突发事件的初始语料集;另一方面,根据获取的突发事件的决策需求,以冷启动的方式,对可能出现的突发事件的情景信息进行分析描述,自动生成可能出现的突发事件的情景信息,以对初始语料集进行补充,完善突发事件的情景信息语料集。其中,事故案例数据包含事故发生经过数据、急处置数据、数据库更新时追加的事故数据以及其它数据(比如,第三方数据库匹配的数据等)。
通过突发事件的事故案例调查报告数据,能够获得突发事件详细的起因、整个事件的发展过程、经过一系列应急处置措施后最终的结果,部分事故案例调查报告甚至详细地阐述了突发事件应急响应过程中信息报告的具体内容,但作为突发事件的情景信息语料集,数据量仍然远远不足,因而,按照冷启动的方式对突发事件的初始语料集进行补充。
具体的,通过冷启动语料生成器chatito,快速、自动的扩写出大量语料,缩短冷启动周期,按照冷启动语料生成器chatito的语言规范编写代码,对于语料场景中最可能出现的突发事件的情景信息进行分析描述,自动生成可能出现的突发事件情景信息,对初始语料集进行补充,完善突发事件的情景信息语料集,作为语义解析的训练语料。
本申请中,突发事件的情景信息的语义解析,主要包括突发事件的情景信息的实体识别以及突发事件的情景信息的实体链接。对标准知识图谱的知识进行查询,需要将突发事件的情景信息中的实体与标准知识图谱中的节点相对应,因而,需要先识别出突发事件的情景信息中的实体;从突发事件的情景信息中识别出的实体并不一定能够对应上标准知识图谱中的实体,为解决此问题需要进行实例链接,将输入信息(突发事件的情景信息)中识别的实体链接到标准知识图谱中的实体。
具体的,在对突发事件的情景信息进行实体识别时,基于Bi-LSTM+CRF模型,根据情景信息语料集,对突发事件的情景信息进行实体识别,生成突发事件的情景信息的实体指称。比如,“XXXX 年 X 月 X 日 X 时 XX 分,位于XXX市XX工业园区的XX公司的氯乙烯气柜发生泄漏,并且扩散至电石冷却车间后发生燃爆,造成多人伤亡”,在这段文本里需要识别出氯乙烯、电石、泄漏、燃爆等实体。在此,通过序列标注任务对实体进行命名,命名实体的效果由精确率和召回率两个指标确定,其中,精确率是标注正确的实体数量与总标注数量的比值,召回率为标注正确的实体数量与总实体数量的比值。
本申请中,利用Bi-LSTM+CRF模型进行实体识别,将情景信息语料集中的数据按照8:2划分为训练集和测试集,选择BIOES方法对突发事件情景信息中的实体进行标注,其中,B 指某实体片段的开头,I 指某实体片段的中间,E 指某实体片段的结束,S 指单个字符的实体,O 指不属于任何类型的实体。
在对突发事件的情景信息进行实体链接时,包括实体指称生成、目标实体确定两个阶段。其中,实体指称生成即为从突发事件的情景信息中进行实体识别,识别出需要进行实体链接的实体,即在完成突发事件的情景信息的实体识别后,将突发事件情景信息中提取到的实体(即实体指称)链接到标准知识图谱中的实体(即目标实体)。
也就是说,实体指称生成已经在实体识别中完成。然后,对识别出的每个实体,给出其在标准知识图谱中对应的多个候选实体,对候选实体进行排序,最终确定目标实体,即目标实体确定阶段。具体的,对生成的实体指称按照单个字符进行拆分,以从标准知识图谱中得到与生成的实体指称对应的多个候选实体。按照每个候选实体与实体指称之间的相似度,将最大相似度对应的候选实体作为目标实体与实体指称进行实体链接,如图4所示。
在此,将通过实体识别得到的实体指称记为,在实体指称拆分环节,将实体指称按照单个字符拆开,从标准知识图谱中取出该实体指称/>类别的所有实体,比如“泄露处置”对应的实体标签为“行动救援”,取出标准知识图谱中标签为“行动救援”的所有实体,形成候选实体列表。然后,将拆分出来的实体指称/>单个字符与候选实体的各个实体进行比较,计算重合的字符数,按照重合字符数由高到低的顺序选出前/>个(/>为正整数)候选实体,分别计算/>个候选实体与实体指称/>的相似度,从中选出相似度最大的候选实体,作为目标实体。
通过对突发事件的情景信息的语义解析,获取了对应标准知识图谱中的目标实体,但是,要想获取与突发事件的情景信息相匹配的应对标准应急决策知识,还需要对突发事件的情景信息进行意图识别,需要确定突发事件在对应情景下所需查询的应急决策知识,即决策需求。本申请中,基于BERT模型,对突发事件的情景信息进行文本分类,识别出突发事件在标准知识图谱中对应的关系或属性,获取突发事件的决策需求。其中,按照公式:
;
对BERT模型的分类准确率进行评估;式中,为分类准确率,/>为分类正确的文本数量,/>为待分类的文本总数量。
通过突发事件在标准知识图谱中对应的关系或属性,获取突发事件的决策需求后,将目标实体填充到决策需求对应的知识图谱查询模板槽位中,构造查询语句。也就是说,将目标实体填充到决策需求对应的Cypher 查询语句模板中,构造出完整的查询语句,进而在图谱中查询相对应的标准应急知识。
需要说明的是,针对不同类型的突发事件,构造相应的标准知识图谱查询语句模版。不同类型的突发事件的查询语句模版的构造可参照上述突发事件的查询语句的构造流程,在此不再一一赘述。如表1所示的不同类别对应的查询语句模版示例,表1如下:
比如,以突发事件的情景信息“20XX 年 XX 月XX日 XX 时 XX 分 XX 秒,XX公司仓库发生火灾,燃烧物质为二氧化氯”为例,通过命名实体识别从突发事件情景信息中识别出“二氧化氯”为实体,继而基于BERT模型获取到的决策需求为“查询某种化学品的灭火要点”。将“二氧化氯”填充到该需求查询语句模版槽位中,得到查询语句为“MATCH(p:‘危险源’name:“二氧化氯”)-[r:‘灭火要点’]-(a:‘措施’) RETURN type(r),a,p”。使用该Cypher 语句在 Neo4j 数据库中进行查询,得到三元组“二氧化氯—灭火要点—尽可能远距离灭火或使用遥控水枪或水炮扑救大火”和对应的子图。
步骤S102、基于突发事件的应对标准文件构建的标准知识图谱,根据突发事件当前情景对应的查询语句查询突发事件当前情景的标准应急知识。
本申请中,突发事件的应对标准文件包括:标准规范、应急预案、法律法规文档等,对突发事件的应对标准文件按照模式层结构进行知识抽取,从突发事件的应对标准文件中抽取出能够表示突发事件的标准应急知识的三元组。
在完成知识抽取后,需要进行知识融合,将表示相同语义的不同实体融合为一个实体,或者消除实体在不同数据来源中的不同语义。其中,可以采用基于嵌入表示的实体对齐、结合语义特征或上语义的下文相似度辅助消歧(消除实体在不同数据来源中的不同语义);对于突发事件的标准文件中的实体全称和简称交替出现的情况,通过预设规则融合相同的实体(将表示相同语义的不同实体融合为一个实体)。
在获取突发事件的应对标准文件中的标准知识三元组后,将其导入到图数据库内,即构建知识图谱形式的突发事件标准知识库,对标准文件的提取的应急知识要素进行聚类,得到本体库,从应急响应角度挖掘本体间的关联关系,构建出图谱的模式层。
在构建图谱的数据层时,通过对标准知识实体、关系和属性进行抽取,建立图谱的数据层,其中,可以采用基于规则的抽取方式,也可以采用基于深度学习的抽取方式。然后,将抽取的标准应急知识的实体、关系和属性在图数据库Neo4j中的存储,以供后续查询,完成了标准知识库的构建,即完成突发事件的标准知识图谱的构建。
通过将目标实体填充到决策需求对应的Cypher 查询语句模板中,构造出突发事件当前情景的完整的查询语句,通过突发事件当前情景的完整的查询语句,在构建的标准知识图谱中进行查询,获取突发事件当前情景的标准应急知识。
步骤S103、基于预先构建的突发事件的事件链知识图谱,对突发事件的演化发展进行预测,得到突发事件演化发展的次生衍生灾害事件。
在应急决策过程中,决策主体不仅要考虑突发事件的当前情景,还需要考虑突发事件可能的发展趋势。也就是说,决策主体做出应急决策,即需要突发事件当前情景下的应急标准相关知识,还需要突发事件可能得后续发展情景(即预测情景)下的应急标准相关知识。
本申请中,从突发事件的历史案例出发,基于情景构建突发事件链,如图5所示,将每种事件为节点,事件之间的关系为边,给边赋予一个权重属性表示事件之间相互转换的可能,得到事件链知识图谱。也就是说,在事件链知识图谱中,每种事件为节点,事件之间的关系为边,关系边的权重属性代表头实体引发或演化为尾实体的可能性。如图6所示,事件链知识图谱中边权重属性的计算,分别代表不同类型的突发事件,/>表示事故案例实例。由图6可知,/>类突发事件有/>两种引发或演化方向,其中,有3件事故案例符合/>方向,1件事故案例符合/>方向。因此,/>类突发事件与/>突发事件边关系的权重为“1/(1+3)=0.25”。在获取了事件链知识图谱的节点、边和边属性后,使用Cypher语句将三元组导入Neo4j数据库中,完成事件链知识图谱的构建。
突发事件的情景信息经过语义解析后,将提取到的实体与事件链知识图谱中的节点进行实体链接,进而通过事件链知识图谱得到该节点事件后续演变出的次生衍生事件。具体的,将对突发事件的情景信息进行语义解析得到的事故类型实体链接到事件链知识图谱中,在事件链知识图谱中查询与事故类型实体相关联全部三元组,得到事故类型实体的后续节点事件组及其对应的关系权重属性组,确定权重属性组中权重最大的节点事件组为突发事件演化发展的次生衍生灾害事件。
比如,对突发事件的情景信息进行语义解析,得到事故类型实体,将事故类型实体/>进行实体链接,链接到事件链知识图谱中,通过Cypher语句查询与事故类型实体/>相关联的全部三元组,即能够得到事故类型实体/>的后续节点事件组/>和对应的关系权重属性组/>,其中,/>为正整数,表示事件链知识图谱中的节点数量。权重越大的边,突发事件按照此方向发展的概率就越大。
步骤S104、基于标准知识图谱,根据次生衍生灾害事件对应的查询语句查询突发事件演化发展的预测情景的次生衍生灾害标准知识。
由前述可知,在应急决策过程中,决策主体做出应急决策,即需要突发事件当前情景下的应急标准相关知识,还需要突发事件可能得后续发展情景(即预测情景)下的应急标准相关知识。由于不同类型的突发事件,在标准知识图谱中具有对应的查询语句模版,通过突发事件的查询语句在标准知识图谱中进行查询,即可获取突发事件当前情景的标准应急知识(即当前情景下的应急标准相关知识)。
而预测情景下的应急标准相关知识,则通过次生衍生灾害事件对应的查询语句模版,构造次生衍生灾害事件相对应的查询语句,在标准知识图谱中进行查询获取。具体的,通过将突发事件的情景信息进行语义解析得到的其它类型实体填充到次生衍生灾害事件对应的查询语句模版中,得到次生衍生灾害事件对应的查询语句,查询标准知识图谱,得到次生衍生灾害事件对应的次生衍生灾害标准知识(即测情景下的应急标准相关知识)。
对突发事件进行语义解析,得到事故类型实体和其它类型实体/>,将事故类型实体/>链接到事件链知识图谱中,确定对应的次生衍生灾害事件/>(其中,/>,)。由于每种类型的事故均具有相应的标准知识图谱查询语句模版,因而,将其它类型实体/>填充到次生衍生灾害事件/>对应的查询语句模版中,获取该突发事件的次生衍生灾害事件对应的查询语句,在标准知识图谱中进行查询,得到事故类型实体的次生衍生灾害事件对应的次生衍生灾害标准知识(即预测情景下的应急标准相关知识)。
其中,其它类型实体为突发事件的情景信息进行语义解析获取的除事故类型实体/>外的实体中的一个或多个实体。比如,突发事件的情景信息“原油储罐泄漏”,通过语义解析识别到的实体为“原油”和“危险化学品泄露”,通过事件链知识图谱得到预测情景下的次生衍生灾害事件为“危险化学品泄露”导致的燃烧、爆炸/>,在此,“危险化学品泄露”导致的燃烧、爆炸即为事故类型实体/>,“原油”即为其它类型实体/>。
在此,需要说明的是,突发事件当前情景的标准应急知识的获取(步骤S102)与突发事件预测情景下的应急标准相关知识的获取(步骤S103、步骤S104)之间为并列关系,二者并无先后时序关系。
前述步骤通过知识图谱实现典型突发事件应对标准的数字化,通过命名实体识别、实体链接和意图识别等方法,实现了基于“情景-知识”匹配的突发事件应对标准应急知识的获取。同时,从突发事件的历史案例出发,构建事件链知识图谱,获取突发事件的次生衍生灾害的标准应急知识(次生衍生灾害标准知识)。在此基础上,根据突发事件当前情景的标准应急知识和突发事件演化发展的预测情景的次生衍生灾害标准知识,获得有效且科学的标准知识,对突发事件进行智能辅助决策,进一步促进标准在应急决策中的实际应用。
利用本申请的基于标准数字化的突发事件智能应急辅助决策方法,通过部署语料生成器构建突发事件的情景信息语料集,有效解决突发事件历史信息缺失的问题;通过对突发事件的情景信息进行语义解析和意图识别,基于标准知识图谱,匹配获取针对突发事件当前情景的标准应急知识;同时,通过构建事件链知识图谱,预测突发事件的演化,并基于标准知识图谱,匹配获取针对突发事件的次生衍生灾害相关的应急知识;形成基于标准数字化的智能应急辅助决策,从两个不同角度的标准应急知识共同为决策主体的决策提供科学支撑。
本申请中,以上述基于标准数字化的突发事件智能应急辅助决策方法为基础,进行基于标准数字化的突发事件智能应急辅助决策的设计,如图7至图9所示,该基于标准数字化的突发事件智能应急辅助决策系统包括:查询语句构造单元701、当前情景知识获取单元702、事件演化预测单元703和预测情景知识获取单元704。
其中,查询语句构造单元701,配置为基于预先构建的突发事件的情景信息语料集,对突发事件的情景信息进行语义解析和意图识别,以构造查询语句。
当前情景知识获取单元702,配置为基于所述突发事件的应对标准文件构建的标准知识图谱,根据所述突发事件当前情景对应的查询语句查询所述突发事件当前情景的标准应急知识。
事件演化预测单元703,配置为基于预先构建的突发事件的事件链知识图谱,对突发事件的演化发展进行预测,得到突发事件演化发展的次生衍生灾害事件。
预测情景知识获取单元704,配置为基于标准知识图谱,根据次生衍生灾害事件对应的查询语句查询突发事件演化发展的预测情景的次生衍生灾害标准知识。
在此,本申请的基于标准数字化的突发事件智能应急辅助决策系统能够实现上述任一基于标准数字化的突发事件智能应急辅助决策方法实施例的步骤、流程,在此不再一一赘述。
本申请中,基于标准数字化的突发事件智能应急辅助决策系统,一方面实现了突发事件应对标准的数字化,另一方面实现了突发事件应对标准应急知识的查询。具体的,对突发事件的标准文档(包括:标准规范、应急预案、法律法规文档等)按照模式层结构进行知识抽取,主要包括实体抽取、关系抽取和属性抽取,获取标准知识三元组后导入到图数据库内,即构建知识图谱形式的突发事件标准知识库,对标准文件的提取的应急知识要素进行聚类,得到本体库,从应急响应角度挖掘本体间的关联关系,构建出图谱的模式层。基于深度学习和规则模板对标准知识实体、关系和属性进行抽取,建立数据层,以实现标准应急知识在 Neo4j 中的存储和查询,完成了标准知识库的构建。
通过语义解析识别突发事件的情景信息的突发事件要素实体,并且通过实例链接将其链接到标准知识图谱的实体节点上;通过意图识别获取突发事件的情景信息中所隐含的响应意图,实现响应意图的分类,获取突发事件的情景信息的决策需求;以带有权重的事件链知识图谱为基础,预测突发事件的下一步演化,得到次生衍生灾害事件;利用标准知识图谱中的查询语句模版,将突发事件当前情景对应的实体,以及预测情景对应的实体分别填充进查询语句模版中,构造出当前情景对应的完整查询语句,以及预测情景对应的完整查询语句,并由标准知识图谱中查询对应的当前情景的标准应急知识,以及对应的预测情景的次生衍生灾害标准知识,支撑应急决策,完善突发事件智能应急辅助决策。
以上所述仅为本申请的优选实施例,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (5)
1.一种基于标准数字化的突发事件智能应急辅助决策方法,其特征在于,包括:
基于预先构建的所述突发事件的情景信息语料集,对所述突发事件的情景信息进行语义解析和意图识别,以构造查询语句;
基于所述突发事件的应对标准文件构建的标准知识图谱,根据所述突发事件当前情景对应的查询语句查询所述突发事件当前情景的标准应急知识;
将对所述突发事件的情景信息进行语义解析得到的事故类型实体链接到预先构建的所述突发事件的事件链知识图谱中,在所述事件链知识图谱中查询与所述事故类型实体相关联的全部三元组,得到所述事故类型实体的后续节点事件组及其对应的关系权重属性组;确定所述关系权重属性组中权重最大的所述节点事件组为所述突发事件演化发展的次生衍生灾害事件;
将对所述突发事件的情景信息经过语义解析得到的其它类型实体填充到所述次生衍生灾害事件对应的查询语句中;根据所述次生衍生灾害事件对应的查询语句,查询所述标准知识图谱,得到所述次生衍生灾害事件对应的次生衍生灾害标准知识。
2.根据权利要求1所述的基于标准数字化的突发事件智能应急辅助决策方法,其特征在于,构建所述突发事件的情景信息语料集包括:
收集所述突发事件的事故案例数据,构建所述突发事件的初始语料集;
根据获取的所述突发事件的决策需求,以冷启动的方式,对可能出现的所述突发事件的情景信息进行分析描述,自动生成可能出现的所述突发事件的情景信息,以对所述初始语料集进行补充,得到所述突发事件的情景信息语料集。
3.根据权利要求2所述的基于标准数字化的突发事件智能应急辅助决策方法,其特征在于,所述对所述突发事件的情景信息进行语义解析包括:
基于Bi-LSTM+CRF模型,根据所述情景信息语料集,对所述突发事件的情景信息进行实体识别,生成所述突发事件的情景信息的实体指称;
对生成的所述实体指称按照单个字符进行拆分,以从所述标准知识图谱中得到与生成的所述实体指称对应的多个候选实体;
按照每个所述候选实体与所述实体指称之间的相似度,将最大相似度对应的所述候选实体作为目标实体与所述实体指称进行实体链接。
4.根据权利要求3所述的基于标准数字化的突发事件智能应急辅助决策方法,其特征在于,对所述突发事件的情景信息进行意图识别包括:
基于BERT模型,对所述突发事件的情景信息进行文本分类,识别出所述突发事件在所述标准知识图谱中对应的关系或属性,获取所述突发事件的决策需求;
将所述目标实体填充到所述决策需求对应的知识图谱查询模板槽位中,以构造所述查询语句。
5.一种基于标准数字化的突发事件智能应急辅助决策系统,其特征在于,包括:
查询语句构造单元,配置为基于预先构建的所述突发事件的情景信息语料集,对所述突发事件的情景信息进行语义解析和意图识别,以构造查询语句;
当前情景知识获取单元,配置为基于所述突发事件的应对标准文件构建的标准知识图谱,根据所述突发事件当前情景对应的查询语句查询所述突发事件当前情景的标准应急知识;
事件演化预测单元,配置为将对所述突发事件的情景信息进行语义解析得到的事故类型实体链接到预先构建的所述突发事件的事件链知识图谱中,在所述事件链知识图谱中查询与所述事故类型实体相关联的全部三元组,得到所述事故类型实体的后续节点事件组及其对应的关系权重属性组;确定所述关系权重属性组中权重最大的所述节点事件组为所述突发事件演化发展的次生衍生灾害事件;
预测情景知识获取单元,配置为将对所述突发事件的情景信息经过语义解析得到的其它类型实体填充到所述次生衍生灾害事件对应的查询语句中;根据所述次生衍生灾害事件对应的查询语句,查询所述标准知识图谱,得到所述次生衍生灾害事件对应的次生衍生灾害标准知识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310869394.3A CN116595155B (zh) | 2023-07-17 | 2023-07-17 | 基于标准数字化的突发事件智能应急辅助决策方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310869394.3A CN116595155B (zh) | 2023-07-17 | 2023-07-17 | 基于标准数字化的突发事件智能应急辅助决策方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116595155A CN116595155A (zh) | 2023-08-15 |
CN116595155B true CN116595155B (zh) | 2023-11-14 |
Family
ID=87604753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310869394.3A Active CN116595155B (zh) | 2023-07-17 | 2023-07-17 | 基于标准数字化的突发事件智能应急辅助决策方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116595155B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116777712A (zh) * | 2023-08-22 | 2023-09-19 | 山东省计算中心(国家超级计算济南中心) | 突发公共卫生事件标准自动映射方法及系统 |
CN117151222B (zh) * | 2023-09-15 | 2024-05-24 | 大连理工大学 | 领域知识引导的突发事件案例实体属性及其关系抽取方法、电子设备和存储介质 |
CN116992160B (zh) * | 2023-09-27 | 2023-12-12 | 长春中医药大学 | 一种用于卫生事件的临床护理训练应急预案推荐方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523061A (zh) * | 2018-10-22 | 2019-03-26 | 哈尔滨工业大学 | 一种基于情景分析的突发事件应急决策方法 |
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 |
CN113312490A (zh) * | 2021-04-28 | 2021-08-27 | 乐山师范学院 | 一种针对突发事件的事件知识图谱构建方法 |
WO2022110913A1 (zh) * | 2020-11-27 | 2022-06-02 | 清华大学 | 突发事件推演图结构的构建及突发事件推演的方法和装置 |
CN114996549A (zh) * | 2022-06-08 | 2022-09-02 | 钱塘科技创新中心 | 基于活动对象信息挖掘的智能追踪方法与系统 |
CN115455202A (zh) * | 2022-09-18 | 2022-12-09 | 北京清博智能科技有限公司 | 一种应急事件事理图谱构建方法 |
CN115730078A (zh) * | 2022-11-04 | 2023-03-03 | 南京擎盾信息科技有限公司 | 用于类案检索的事件知识图谱构建方法、装置及电子设备 |
WO2023030513A1 (zh) * | 2021-09-05 | 2023-03-09 | 汉熵通信有限公司 | 物联网系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10861320B2 (en) * | 2016-08-22 | 2020-12-08 | Rapidsos, Inc. | Predictive analytics for emergency detection and response management |
-
2023
- 2023-07-17 CN CN202310869394.3A patent/CN116595155B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523061A (zh) * | 2018-10-22 | 2019-03-26 | 哈尔滨工业大学 | 一种基于情景分析的突发事件应急决策方法 |
WO2022110913A1 (zh) * | 2020-11-27 | 2022-06-02 | 清华大学 | 突发事件推演图结构的构建及突发事件推演的方法和装置 |
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 |
CN113312490A (zh) * | 2021-04-28 | 2021-08-27 | 乐山师范学院 | 一种针对突发事件的事件知识图谱构建方法 |
WO2023030513A1 (zh) * | 2021-09-05 | 2023-03-09 | 汉熵通信有限公司 | 物联网系统 |
CN114996549A (zh) * | 2022-06-08 | 2022-09-02 | 钱塘科技创新中心 | 基于活动对象信息挖掘的智能追踪方法与系统 |
CN115455202A (zh) * | 2022-09-18 | 2022-12-09 | 北京清博智能科技有限公司 | 一种应急事件事理图谱构建方法 |
CN115730078A (zh) * | 2022-11-04 | 2023-03-03 | 南京擎盾信息科技有限公司 | 用于类案检索的事件知识图谱构建方法、装置及电子设备 |
Non-Patent Citations (4)
Title |
---|
Key technologies of the emergency platform in China;Hongyong Yuan;Journal of Safety Science and Resilience;第3卷(第4期);第404-415页 * |
基于数据驱动的危化品事故分析预警关键技术研究;刘康炜;《中国博士学位论文全文数据库(工程科技Ⅰ辑);第1-115页 * |
尤薇佳 ; 孟芸竹 ; 杨跃翔 ; 王皖.基于突发事件应对标准的知识图谱构建及应用研究.情报理论与实践.2023,第1-14页. * |
面向突发事件的复杂系统应急决策方法研究;王刚桥; 刘奕; 杨盼; 杨锐; 张辉;系统工程理论与实践;第35卷(第10期);第2449-2458页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116595155A (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116595155B (zh) | 基于标准数字化的突发事件智能应急辅助决策方法和系统 | |
CN110765257B (zh) | 一种知识图谱驱动型的法律智能咨询系统 | |
CN111475623B (zh) | 基于知识图谱的案件信息语义检索方法及装置 | |
CN110968699A (zh) | 一种基于事理推荐的逻辑图谱构建及预警方法和装置 | |
CN113806563B (zh) | 面向多源异构建筑人文史料的建筑师知识图谱构建方法 | |
WO2023098445A1 (zh) | 食品安全突发事件的应急处置推荐方法及系统 | |
CN112036842B (zh) | 一种科技服务智能匹配装置 | |
CN114036930A (zh) | 文本纠错方法、装置、设备及计算机可读介质 | |
CN117252255B (zh) | 一种面向辅助决策的灾害应急知识图谱构建方法 | |
CN111914141B (zh) | 一种舆情知识库构建方法及舆情知识库 | |
CN113326358B (zh) | 基于知识图谱语义匹配的地震灾害信息服务方法和系统 | |
CN112163097A (zh) | 一种军事知识图谱构建方法及系统 | |
CN113312914A (zh) | 一种基于预训练模型的安全事件实体识别方法 | |
CN116029306A (zh) | 一种限定域文科简答题自动评分方法 | |
CN116186422A (zh) | 基于社交媒体和人工智能的疾病相关舆情分析系统 | |
CN109960707B (zh) | 一种基于人工智能的高校招生数据采集方法及系统 | |
CN116681305B (zh) | 一种基于知识图谱的突发事件应急决策方法 | |
CN117390198A (zh) | 构建电力领域科技知识图谱的方法、装置、设备及介质 | |
CN117216221A (zh) | 一种基于知识图谱的智能问答系统及构建方法 | |
CN116775802A (zh) | 基于人工智能的审计档案数据处理方法及装置 | |
KR101506757B1 (ko) | 자연어로 된 본문의 명확한 모델을 형성하는 방법 | |
Terblanche et al. | Ontology‐based employer demand management | |
CN116431746A (zh) | 基于编码库的地址映射方法、装置、电子设备及存储介质 | |
CN115934927A (zh) | 一种安全知识的推送方法、系统、存储介质和电子设备 | |
CN112988972A (zh) | 一种基于数据模型的行政处罚案卷评查方法及系统 |
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 |