[发明专利]基于知识图谱推理的食品安全事件风险研判方法及装置

权利要求书

1.一种基于知识图谱推理的食品安全事件风险研判方法，其特征在于，包括：

将包含实体、实体间关系及实体特征的食品安全知识图谱输入到食品安全事件风险研判模型，从而获取目标实体的风险等级及进行食品安全事件原因推理和事件后果预测；其中，所述食品安全事件风险研判模型包括三元组内注意力机制层、三元组外注意力机制层、实体分类层及关系预测层；其中，所述三元组内注意力机制层的输出作为所述三元组外注意力机制层的输入，所述三元组外注意力机制层的输出分别作为所述实体分类层及所述关系预测层的输入；

所述将包含实体、实体间关系及实体特征的食品安全知识图谱输入到食品安全事件风险研判模型，从而获取目标实体的风险等级及进行食品安全事件原因推理和事件后果预测，包括：

将所述食品安全知识图谱中不同类型实体的实体特征映射到同一空间后输入到所述三元组内注意力机制层，从而得到所述目标实体的三元组内实体特征嵌入向量；

将所述三元组内实体特征嵌入向量输入到所述三元组外注意力机制层，从而得到所述目标实体的三元组外实体特征嵌入向量；

将所述三元组外实体特征嵌入向量输入到所述实体分类层，从而得到所述目标实体的风险等级；

将包含所述目标实体的所述三元组中的两个实体的所述三元组外实体特征嵌入向量输入到所述关系预测层，通过计算三元组评分函数对所述两个实体进行关系预测，从而进行食品安全事件原因推理和事件后果预测；

其中，所述三元组内注意力机制层用于对于某条关系路径下目标实体与不同邻居实体之间施加注意力机制，所述三元组外注意力机制层用于对目标实体所在的多条关系路径施加注意力机制；所述食品安全知识图谱中两个实体和两个实体间的关系构成三元组，由所述三元组中两个不同类型或相同类型实体在不同的关系下组成的路径称为所述关系路径。

2.根据权利要求1所述的基于知识图谱推理的食品安全事件风险研判方法，其特征在于，在所述将包含实体、实体间关系及实体特征的食品安全知识图谱输入到食品安全事件风险研判模型之前，所述方法还包括：

根据食品安全风险事件收集数据信息，所述数据信息包括各类人员信息、食品快检数据、食品采购数据、食品存储数据、食品加工数据、食品供餐数据及组织单位数据；

根据所述数据信息提取不同类型的实体和关系，确定不同类型实体的实体特征，进而构建所述食品安全知识图谱。

3.根据权利要求1所述的基于知识图谱推理的食品安全事件风险研判方法，其特征在于，所述将所述食品安全知识图谱中不同类型实体的实体特征映射到同一空间后输入到所述三元组内注意力机制层，从而得到所述目标实体的三元组内实体特征嵌入向量，包括：

通过包含学习参数的线性特征转换矩阵的映射操作，将所述食品安全知识图谱中不同类型实体的实体特征映射到同一空间；

通过所述三元组内注意力机制层计算在某一关系路径下目标实体所在所有三元组中邻居实体对目标实体的三元组内注意力系数；

利用softmax函数将所述三元组内注意力系数进行归一化处理；

同一关系路径下，通过归一化处理后的所述三元组内注意力系数与所述目标实体的所有邻居实体的实体特征通过三元组内注意力机制层进行非线性组合运算，分别得到所述目标实体在所述三元组内注意力机制层所包含的K₁个三元组内注意力机制下的嵌入向量表示；

将K₁个所述三元组内注意力机制下的嵌入向量表示求平均得到所述关系路径下的所述三元组内实体特征嵌入向量；所述三元组内实体特征嵌入向量的计算方式如下：

式中，表示的是所述三元组内实体特征嵌入向量，tanh表示非线性激活函数，K₁表示的是三元组内注意力机制层下所述注意力机制的个数，表示在关系路径下由第k个注意力机制计算的目标实体i与邻居实体j之间的所述三元组内注意力系数，表示第k个注意力机制对应的线性特征转化矩阵，τ_i表示目标实体i的实体类型，表示的是在关系路径下目标实体i的所有邻居实体，表示实体j初始的特征矩阵向量表示。