[发明专利]基于知识图谱的风险预测方法、装置、设备及存储介质

权利要求书

1.一种基于知识图谱的风险预测方法，其特征在于，包括：

对数据源的犯罪数据进行关系抽取，获得RDF数据；所述RDF数据包括若干个实体三元组；

根据所述RDF数据，构建犯罪知识图谱；

利用预先构建的图深度学习模型对所述犯罪知识图谱进行时间相关性分析，获得融合时间相关性特征的犯罪知识图谱；

根据融合时间相关性特征的犯罪知识图谱，对预先构建的卷积神经网络进行训练，获得犯罪风险预测模型；

根据当前采集的犯罪风险数据，通过所述犯罪风险预测模型，获得犯罪风险预测结果。

2.如权利要求1所述的基于知识图谱的风险预测方法，其特征在于，所述对数据源的犯罪数据进行关系抽取，获得RDF数据，包括：

将所述犯罪数据输入到预先构建的基于BERT-BiLSTM-CRF算法的关系抽取模型进行关系抽取，得到所述RDF数据。

3.如权利要求1所述的基于知识图谱的风险预测方法，其特征在于，所述实体三元组包括实体、所述实体的属性及属性值。

4.如权利要求2所述的基于知识图谱的风险预测方法，其特征在于，所述方法还包括关系抽取模型构建步骤，具体包括：

将所述数据源的犯罪数据划分为训练样本和测试样本；

将所述训练样本输入BERT模型，获得所述训练样本的词向量；

将所述词向量输入到BiLSTM-CRF模型进行训练，获得关系抽取模型；

利用所述测试样本对所述关系抽取模型进行测试，获得最终的初始关系抽取模型。

5.如权利要求3所述的基于知识图谱的风险预测方法，其特征在于，所述方法还包括：

利用K-Means算法对所述犯罪知识图谱的实体进行聚类，得到若干个实体群；

确定待处理的实体所属的实体群，作为候选实体群；

从所述候选实体群中获取与所述待处理的实体距离最近的实体，作为候选实体；

从所述数据源中获取所述候选实体对应的决策数据，作为所述待处理的实体的决策数据。

6.如权利要求1所述的基于知识图谱的风险预测方法，其特征在于，所述图深度学习模型包括三个网络结构相同的VGG网络，每一个VGG网络用于提取所述RDF数据在不同时间段内的时间相关性特征。

7.如权利要求1所述的基于知识图谱的风险预测方法，其特征在于，所述利用预先构建的图深度学习模型对所述犯罪知识图谱进行时间相关性分析，获得融合时间相关性特征的犯罪知识图谱，包括：

利用所述图深度学习模型对所述犯罪知识图谱进行时间相关性分析，得到所述RDF数据的时间相关性特征；

将所述时间相关性特征与所述犯罪知识图谱进行关联融合，获得融合时间相关性特征的犯罪知识图谱。

8.一种基于知识图谱的风险预测装置，其特征在于，包括：

实体关系抽取模块，用于对数据源的犯罪数据进行关系抽取，获得RDF数据；所述RDF数据包括若干个实体三元组；

知识图谱构建模块，用于根据所述RDF数据，构建犯罪知识图谱；

时间相关性分析模块，用于利用预先构建的图深度学习模型对所述犯罪知识图谱进行时间相关性分析，获得融合时间相关性特征的犯罪知识图谱；

犯罪风险预测模型构建模块，用于根据融合时间相关性特征的犯罪知识图谱，对预先构建的卷积神经网络进行训练，获得犯罪风险预测模型；

犯罪风险预测模块，用于根据当前采集的犯罪风险数据，通过所述犯罪风险预测模型，获得犯罪风险预测结果。

9.一种基于知识图谱的风险预测设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任意一项所述的基于知识图谱的风险预测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的基于知识图谱的风险预测方法。