申请/专利权人：西南电子技术研究所(中国电子科技集团公司第十研究所)

申请日：2021-09-30

公开（公告）日：2022-01-21

公开（公告）号：CN113962294A

主分类号：G06K9/62(20220101)

分类号：G06K9/62(20220101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.05.16#授权;2022.02.15#实质审查的生效;2022.01.21#公开

摘要：本发明公开的一种多类型事件预测模型，涉及事件分析与处理领域。本发明通过下述技术方案实现：事件异构时序图构建模块以事件描述数据库为基础，以所有要素为邻域节点，构建事件异构时序图，通过关系图神经网络模型获取事件发生时间节点的特征向量；组合特征提取模块提取时间节点特征向量组合时间段内事件的组合特征信息，按时间顺序排列输出组合特征向量；时序特征提取模块将组合特征向量送入时序特征提取模块，输出具备时序特征的向量；多标签分类器模块将时序特征提取模块输出的向量进行扁平化处理，控制神经网络输出层向量维度与被预测事件类型数量保持一致，最终全连接深度神经网络通过激活函数层，可视化输出每种类型事件发生的概率值。

主权项：1.一种多类型事件预测模型，包括：按预测对象及其影响因素的数量变动关系，组成的事件异构时序图构建模块、组合特征提取模块、时序特征提取模块和多标签分类器模块，上述四个模块串联构成事件预测模型，其特征在于：事件异构时序图构建模块首先以事件描述数据库为基础，以日为单位，事件发生时间为中心节点，发生事件的所有要素为邻域节点，按照事件发生日期排序，构建事件异构时序图，并通过关系图神经网络模型，将邻域节点的特征聚合到时间中心节点上，获取事件发生时间节点的特征向量；组合特征提取模块通过卷积神经网络模型征提取事件发生时间节点的组合时间段内事件的组合特征信息，压缩时间节点的特征向量，利用长度为缺省个数、维度与时间节点特征向量相同的卷积核过滤器与时间节点特征向量进行卷积计算，按时间顺序排列输出特征向量；时序特征提取模块采用多层独立时间单元串行组合排列的方式，将当前时刻每个时间单元的特征向量与上一时间单元输出的特征向量进行组合，将组合出的特征向量送入时序特征提取模块，时序特征提取模块在新组合的特征向量上提取特征，形成新的特征向量，输出具备时序特征的向量；多标签分类器模块将时序特征提取模块输出的向量进行扁平化处理，将其处理成为一个列向量，再通过全连接深度神经网络提取特征，控制神经网络输出层向量维度与被预测事件类型数量保持一致，最终全连接深度神经网络通过激活函数层，可视化输出每种类型事件发生的概率值。

全文数据：

权利要求：

百度查询： 西南电子技术研究所(中国电子科技集团公司第十研究所) 多类型事件预测模型

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