[发明专利]一种基于图注意网络的灾难信息过滤方法及系统

权利要求书

1.一种基于图注意网络的灾难信息过滤方法，其特征在于，使用图注意网络理解帖子的单词和相应信息类型之间的相关性，过滤得到可执行的信息，包括如下步骤：

步骤1，对数据集中的帖子进行预处理，得到预处理后的数据；

步骤2，搭建信息过滤网络模型；

步骤3，把所述预处理后的数据输入所述信息过滤网络模型中进行训练，得到训练完成的信息过滤网络模型；

步骤4，将待分类的帖子输入所述训练完成的信息过滤网络模型，得到分类结果，

其中，信息过滤网络包括BERT编码器、图注意网络以及关系网络。

2.根据权利要求1所述的基于图注意网络的灾难信息过滤方法，其特征在于：

其中，所述BERT编码器捕捉推文的语义，并表示为一个低维向量。

3.根据权利要求1所述的基于图注意网络的灾难信息过滤方法，其特征在于：

其中，步骤2中，使用可学习的距离度量，以监督的方式，学习帖子向量和标签向量之间的相似性。

4.根据权利要求1所述的基于图注意网络的灾难信息过滤方法，其特征在于：

其中，步骤2中，所述信息过滤网络模型学习了TREC-IS数据集，并采用了来自TREC-IS挑战作者的可行动信息定义。

5.根据权利要求1所述的基于图注意网络的灾难信息过滤方法，其特征在于：

其中，步骤2中，使用累计警报值来评估所述信息过滤网络模型的表现，以识别推文中的可操作信息。

6.根据权利要求1所述的基于图注意网络的灾难信息过滤方法，其特征在于：

其中，步骤2中，采用元学习的方式来学习输入特征和多标签输出之间的映射。

7.根据权利要求1所述的基于图注意网络的灾难信息过滤方法，其特征在于：

其中，步骤2中，使用监督学习的方法训练所述关系网络来学习相似度。

8.根据权利要求1所述的基于图注意网络的灾难信息过滤方法，其特征在于：

其中，步骤S3包括如下步骤：

步骤S3-1，将所述预处理后的数据依次输入到所述信息过滤网络模型中并进行一次迭代；

步骤S3-2，进行所述迭代后，采用最后一层的模型参数分别计算出损失误差，然后将所述损失误差反向传播，从而更新所述模型参数；

步骤S3-3，重复步骤S3-1到S3-2直至达到训练完成条件，得到训练后的信息过滤网络模型。

9.一种基于图注意网络的灾难信息过滤系统，其特征在于，使用图注意网络理解帖子的单词和相应信息类型之间的相关性，过滤得到可执行的信息，包括：

预处理部，对数据集中的帖子进行预处理，得到预处理后的数据；

信息过滤部，搭建信息过滤网络模型，把所述预处理后的数据输入所述信息过滤网络模型中进行训练，得到训练完成的信息过滤网络模型，将待分类的帖子输入所述训练完成的信息过滤网络模型，得到分类结果，

其中，信息过滤网络包括BERT编码器、图注意网络以及关系网络。