[发明专利]一种事故分析模型训练方法、装置及设备

权利要求书

1.一种事故分析模型训练方法，包括：

针对待分析机构，获取事故样本集合；所述事故样本集合包括事故正样本和事故负样本；不同事故样本对应于不同时间段；

事故正样本的标签用于表征对应时间段内待分析机构有事故发生；事故正样本的特征包括：事故发生前第一预设时长内待分析机构所发生事件的第一事件特征，以及事故发生后第二预设时长内待分析机构所发生事件的第二事件特征；

事故负样本的标签用于表征对应时间段内待分析机构无事故发生；事故负样本的特征包括：对应时间段内待分析机构所发生事件的第三事件特征；

构建事故分析待训练模型，具体包括：获取若干事件类型，并在事故分析待训练模型中针对所获取的每个事件类型创建对应的事件节点，以及在事故分析待训练模型中创建事故对应的事故节点；所述事故分析待训练模型为贝叶斯网络模型；

根据所述事故样本集合，训练所述事故分析待训练模型，得到事故分析模型；所述事故分析模型至少用于分析事件类型与事故之间的影响关系。

2.根据权利要求1所述的方法，所述获取事故样本集合，包括：

从若干数据源获取待分析机构的相关数据；所述相关数据包括：待分析机构相关事件的事件信息，以及待分析机构相关事故的事故信息；

从所述相关数据中，获取事故样本添加到事故样本集合中。

3.根据权利要求2所述的方法，所述事件信息至少包括发生时间；所述事故信息至少包括发生时间；

所述从所述相关数据中，获取事故样本添加到事故样本集合中，包括：

从预设时间点开始，循环执行以下步骤，直到满足第一停止条件：

在确定所述相关数据中存在发生时间在指定时间段内的相关事故的情况下，根据所确定的事故生成事故正样本；所述指定时间段为当前预设时间点之后第三预设时长的时间段；将所生成的事故正样本添加到事故样本集合中；

在确定所述相关数据中不存在发生时间在所述指定时间段内的相关事故的情况下，根据发生时间在所述指定时间段内的相关事件生成事故负样本；将所生成的事故负样本添加到事故样本集合中；

将当前预设时间点之后第四预设时长的时间点确定为当前预设时间点。

4.根据权利要求1所述的方法，所述获取若干事件类型，包括：

从所述事故样本集合中事故样本的事件特征中，确定若干事件类型。

5.根据权利要求4所述的方法，所述从所述事故样本集合中事故样本的事件特征中，确定若干事件类型，包括：

针对所述事故样本集合中任一事故正样本，从该事故正样本的第一事件特征中，确定事故前事件类型，从该事故正样本的第二事件特征中，确定事故后事件类型。

6.根据权利要求1所述的方法，所述训练所述事故分析待训练模型，包括：

通过训练确定所述事故分析待训练模型的网络结构；

基于所确定的网络结构，通过训练确定所述事故分析待训练模型的参数。

7.根据权利要求6所述的方法，所述通过训练确定所述事故分析待训练模型的网络结构，包括：

确定所述事故分析待训练模型的初始网络结构；

循环执行以下步骤，直到满足第二停止条件：

基于预设评分函数对当前事故分析待训练模型的网络结构进行评分；

通过预设启发式算法更新当前事故分析待训练模型的网络结构。

8.根据权利要求7所述的方法，所述预设评分函数为贝叶斯评分函数，所述预设启发式算法为模拟退火搜索算法。

9.根据权利要求6所述的方法，所述通过训练确定所述事故分析待训练模型的参数，包括：

在所述事故样本集合中不存在所述事故分析待训练模型中任一事件类型的情况下，根据预设先验分布，利用期望最大化算法确定所述事故分析待训练模型的参数。