申请/专利权人：西安交通大学

申请日：2021-01-05

公开（公告）日：2021-04-09

公开（公告）号：CN112633607A

主分类号：G06Q10/04(20120101)

分类号：G06Q10/04(20120101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.06.30#授权;2021.04.27#实质审查的生效;2021.04.09#公开

摘要：本发明公开了一种动态时空事件预测方法及系统，包括将事件行为信息、地点信息及其交互特征信息嵌入到事件潜在特征，利用嵌入后的事件潜在特征构建事件数据二部图；分别计算不同事件地点和不同事件行为之间的紧密程度，得到地点边权值矩阵及行为边权值矩阵；对事件数据二部图进行更新，得到地点加权有向图和行为加权有向图；进行随机游走采样，利用图卷积网络，分别对地点节点邻居的特征及行为节点邻居的特征进行聚合、拼接，将聚合后的邻居特征输入至多层感知机预测模型中，进行预测，得到事件预测结果；本发明将带有注意力机制的图卷积网络来聚合行为、地点邻居特征，并利用多层感知机预测模型进行预测，预测结果准确率更高、误差更小。

主权项：1.一种动态时空事件预测方法，其特征在于，包括以下步骤：步骤1、获取多源时空事件数据集，利用行为-地点共进化模型，将事件行为、事件地点及事件行为与地点间的交互特征嵌入到事件潜在特征，得到嵌入后的事件潜在特征；利用嵌入后的事件潜在特征构建事件数据二部图；步骤2、利用事件数据二部图，分别计算不同事件地点或不同事件行为之间的紧密程度，得到地点边权值矩阵W及行为边权值矩阵S；分别利用地点边权值矩阵W及行为边权值矩阵S对事件数据二部图进行更新，得到地点加权有向图G1和行为加权有向图G2；步骤3、分别对地点加权有向图G1的节点及行为加权有向图G2的节点进行随机游走采样，利用图卷积网络，分别对地点节点邻居的特征及行为节点邻居的特征进行聚合、拼接，得到聚合后的邻居特征；将聚合后的邻居特征输入至多层感知机预测模型中，进行预测，得到事件预测结果。

全文数据：

权利要求：

百度查询： 西安交通大学 一种动态时空事件预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD