申请/专利权人：南京视察者智能科技有限公司

申请日：2023-12-26

公开（公告）日：2024-04-05

公开（公告）号：CN117828077A

主分类号：G06F16/35

分类号：G06F16/35;G06F40/289;G06N3/0455;G06F16/215;G06Q50/18;G06Q50/26

优先权：

专利状态码：在审-公开

法律状态：2024.04.05#公开

摘要：本发明公开了一种基于大数据的高危事件预警方法，包括以下步骤：采集数据，构建数据仓库；利用文本聚类算法，对最近半年的诉求件按照诉求内容进行聚类，抽取出最近半年诉求件中反映的矛盾纠纷；筛选分析当天发生过诉求的事件话题，根据筛选后的各诉求件统计纠纷的特征；根据统计出的纠纷的特征，将其特征输入到高危矛盾判别模型中，得到事件是高危事件的概率。本发明实现了一种基于大数据的高危事件预警方法，整个从数据获取到高危矛盾判别预警的流程自动化程度很高，极大减少了人工识别耗费的人力物力。本发明基于机器学习训练的高危矛盾判别模型，精确率较高，能够避免人工识别存在的精确度差，主观随意性的问题。

主权项：1.一种基于大数据的高危事件预警方法，其特征在于，包括以下步骤：步骤1，采集诉求件数据并进行结构化处理存入数据仓库原始数据层；对所述原始数据层里采集到原始数据进行清洗、转化、提取特征的数据处理操作，将处理后的数据存入数据仓库明细数据层中；步骤2，从所述数据仓库明细数据层中读取诉求时间在最近半年的诉求件，利用预训练的Bert模型将诉求件的文本内容进行编码，转化为文本向量，使用Single-Pass算法基于上述得到的文本向量，对诉求件进行聚类；经过上述的聚类，所有诉求件都有其归属的话题，对每一个话题中的诉求件文本内容进行关键词抽取，抽取5个关键词后将其按照字典序升序排列，作为该话题的名称；步骤3，筛选分析当天发生过诉求件，根据筛选后的各纠纷下诉求件统计对应的10个特征，包括高危特征和其他特征；步骤4，构建高危矛盾判别模型：从步骤1构建的数据仓库明细层中读取所有历史诉求件，利用步骤2对历史所有诉求件进行聚类处理，得到所有历史诉求件的话题；对每一条历史诉求件a，执行如下操作：步骤4.1，筛选与该历史诉求件a归属同一个矛盾纠纷且诉求时间在该历史诉求件a诉求时间之前半年内的所有诉求件，从筛选出的包括a在内的诉求件中，统计n个样本特征，n大于10；步骤4.2，如果满足步骤3中所述的高危特征条件，那么将与该历史诉求件a归属于同一矛盾纠纷且诉求时间在该历史诉求件a时间之前半年内的所有历史诉求件都标记为高危诉求件；步骤4.3，将所有历史诉求件中被标记为高危诉求件的历史诉求件当作正例，未标记为高危诉求件的历史诉求件当作反例，构建模型样本数据集；在全部样本数据集上使用皮尔逊相关系数从n个特征中选择出重要性最高的10个特征，然后将数据集其他特征列过滤掉，只保留所述重要性最高的10个特征列和标签列，作为新的样本数据集；按照8：2的比例将样本数据集划分为训练集和测试集，在训练集上使用交叉验证的方法基于支持向量机SVM模型训练多个带超参数的模型，验证集占比为10％，SVM选用多项式核作为核函数；选择在验证集上效果最好的模型超参数，在训练集所有样本数据上进行训练，得到最终的模型，模型训练完成后，在测试集上进行测试，测试通过后即得到高危矛盾判别模型；根据统计出的诉求件的特征，将其特征输入到高危矛盾判别模型中，得到矛盾纠纷是高危矛盾的概率，根据预先设定的阈值区间，对矛盾纠纷进行ABCD级矛盾分类，ABC级矛盾均为高危矛盾，分别进行红色、黄色、蓝色预警；步骤5，一定周期基于前一周期内新增的诉求件数据更新模型训练样本，迭代模型以及对Bert预训练模型进行增量训练。

全文数据：

权利要求：

百度查询： 南京视察者智能科技有限公司 一种基于大数据的高危事件预警方法

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