[发明专利]化学品事故分类方法、装置、计算机设备和存储介质在审

专利信息
申请号: 202010061429.7 申请日: 2020-01-19
公开(公告)号: CN111259149A 公开(公告)日: 2020-06-09
发明(设计)人: 师丽;潘世豪 申请(专利权)人: 清华大学
主分类号: G06F16/35 分类号: G06F16/35;G06F16/36;G06F40/289
代理公司: 北京华进京联知识产权代理有限公司 11606 代理人: 朱五云
地址: 100084*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 化学品 事故 分类 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种化学品事故分类方法,其特征在于,所述方法包括:

获取化学品事故信息;其中,所述化学品事故信息用于表征化学品事故的事故情况;

采用中文分词算法和危险化学品事故知识图谱对所述化学品事故信息进行去噪和扩充处理,得到预测事故信息;其中,所述危险化学品事故知识图谱包括含有危险化学品领域知识和常识知识的知识图谱;

根据所述预测事故信息对应的故障树结合所述预测事故信息,得到所述化学品事故的事故原因;

按照所述事故原因对所述化学品事故进行分类,得到所述化学品事故的所属类别。

2.根据权利要求1所述的方法,其特征在于,所述采用中文分词算法和危险化学品事故知识图谱对所述化学品事故信息进行去噪和扩充处理,得到预测事故信息,包括:

采用中文分词算法对所述化学品事故信息进行词语分割,得到分词事故信息;其中,所述分词事故信息包括按照在所述化学品事故信息的出现顺序排列的词语;

将所述分词事故信息与所述危险化学品事故知识图谱中的节点进行匹配,得到匹配事故信息;

根据各所述节点的属性和所述节点之间的联系关系对所述匹配事故信息进行歧义消除和信息补全,得到所述预测事故信息;其中,所述节点的属性包括所述节点的所属类型。

3.根据权利要求2所述的方法,其特征在于,所述根据所述节点的属性和所述节点之间的联系关系对所述匹配事故信息进行歧义消除和信息补全,得到所述预测事故信息,包括:

删除所述匹配事故信息中与所述节点的属性不同的词语含义,并将与目标节点具有直接和间接所述联系关系的所述节点补入所述匹配事故信息中,得到所述预测事故信息;其中,所述目标节点为所述匹配事故信息在所述危险化学品事故知识图谱中对应的所述节点。

4.根据权利要求1所述的方法,其特征在于,所述根据所述预测事故信息对应的故障树结合所述预测事故信息,得到所述化学品事故的事故原因,包括:

根据所述预测事故信息确定所述化学品事故的事故类型;

获取所述事故类型对应的所述故障树的最小割集;其中,每一所述故障树包括至少一所述最小割集;

判断所述预测事故信息中是否包括至少一所述最小割集;

若是,则根据所述最小割集确定所述化学品事故的事故原因;

若否,则执行所述根据所述预测事故信息确定所述化学品事故的事故类型的步骤,直至所述预测事故信息中包括至少一所述最小割集。

5.根据权利要求4所述的方法,其特征在于,所述根据所述最小割集确定所述化学品事故的事故原因,包括:

在所述预测事故信息中获取与所述最小割集中词语具有特定关联关系的词语,作为所述目标词语;其中,所述特定关联关系包括因果关系、所属关系以及相近关系中的至少一种;

根据所述目标词语,结合所述特定关联关系构建所述化学品事故的演化过程;其中,所述化学品事故的演化过程包括事故起因、事故发展、事故现象以及事故结果;

将所述化学品事故的演化过程中的所述事故起因和所述事故发展结合,得到所述化学品事故的事故原因。

6.根据权利要求5所述的方法,其特征在于,所述根据将所述化学品事故的演化过程得到所述化学品事故的事故原因之后包括:

将构建所述化学品事故的演化过程中的词语,根据所述特定关联关系以结构化表格的形式呈现并保存。

7.根据权利要求2所述的方法,其特征在于,在所述按照所述事故原因对所述化学品事故进行分类,得到所述化学品事故的所属类别之前,所述方法还包括:

通过所述匹配事故信息对应的故障树,得到所述化学品事故的验证事故原因;

若所述验证事故原因包括所述事故原因,则执行所述按照所述事故原因对所述化学品事故进行分类,得到所述化学品事故的所属类别的步骤;

若所述验证事故原因不包括所述事故原因,则执行所述根据所述各节的属性和所述节点之间的联系关系对所述匹配事故信息进行歧义消除和信息补全,得到所述预测事故信息的步骤,直至所述验证事故原因包括所述事故原因。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010061429.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top