[发明专利]一种短中长期风险的告警方法及装置

权利要求书

1.一种短中长期风险的告警方法，其特征在于，所述短中长期风险的告警方法，包括：

通过词嵌入获取风险告警目标的特征向量X⁰，将风险告警目标的特征向量X⁰输入卷积神经网络，提取风险告警目标的目标画像特征向量X¹；

获取多次发生风险事故对象在每次发生风险事故时对应的监测数据样本，通过词嵌入得到时间序列特征向量H⁰，采用递归神经网络模型RNN对时间序列特征向量H⁰进行递归操作，提取N次发生风险倾向特征向量H^N；

将目标画像特征向量X¹与N次发生风险倾向特征向量H^N进行融合，将融合特征X²输入到全连接神经网络模型，预测出风险告警目标对应的风险值，在风险值大于预设的阈值时，发出告警。

2.如权利要求1所述的短中长期风险的告警方法，其特征在于，所述将风险告警目标的特征向量X⁰输入卷积神经网络，提取风险告警目标的目标画像特征向量X¹，其数学表达式如下：

X¹＝CNN(X⁰)。

3.如权利要求1所述的短中长期风险的告警方法，其特征在于，所述采用递归神经网络模型RNN对时间序列特征向量H⁰进行递归操作，提取N次发生风险倾向特征向量H^N，其数学表达式如下：

H^N＝RNN(H⁰)。

4.如权利要求1所述的短中长期风险的告警方法，其特征在于，所述将目标画像特征向量X¹与N次发生风险倾向特征向量H^N进行融合，其数学表达式为：

X²＝concat(X¹,H^N)。

5.如权利要求1所述的短中长期风险的告警方法，其特征在于，所述将融合特征X²输入到全连接神经网络模型，预测出风险告警目标对应的风险值，包括：

首先将融合特征X²输入到全连接层，得到一个三维的综合特征向量X³：

X³＝FC(x²)；

然后采用softmax运算，预测出风险告警目标对应的风险值P_i：

其中，表示综合特征向量X³中对应的i分量，表示综合特征向量X³中对应的j分量，i、j表示短期、中期、长期，P_i表示i分量对应的概率。

6.一种短中长期风险的告警装置，其特征在于，所述短中长期风险的告警装置，包括：

目标画像特征提取模块，用于通过词嵌入获取风险告警目标的特征向量X⁰，将风险告警目标的特征向量X⁰输入卷积神经网络，提取风险告警目标的目标画像特征向量X¹；

风险倾向特征向量提取模块，用于获取多次发生风险事故对象在每次发生风险事故时对应的监测数据样本，通过词嵌入得到时间序列特征向量H⁰，采用递归神经网络模型RNN对时间序列特征向量H⁰进行递归操作，提取N次发生风险倾向特征向量H^N；

融合预警模块，用于将目标画像特征向量X¹与N次发生风险倾向特征向量H^N进行融合，将融合特征X²输入到全连接神经网络模型，预测出风险告警目标对应的风险值，在风险值大于预设的阈值时，发出告警。