买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：罗普特科技集团股份有限公司

摘要：本公开提供了一种应急事件数据的标签化方法、装置、介质及设备，该方法包括：获取并预处理若干应急事件对应的事件数据；将预处理后的每一事件数据作为图节点，并根据各图节点对应的事件数据之间的关联关系生成边，得到事件关联图；对各图节点进行标签标注，得到各图节点对应的标签信息；根据各图节点对应的事件数据和标签信息，生成各图节点的节点表示；将事件关联图以及各图节点的节点表示输入至预先构建的事件标签化模型中，以对事件标签化模型进行训练，得到目标事件标签化模型以对新应急事件对应的事件数据进行标签化预测。本申请实施例的技术方案可以准确识别不同事件数据之间的关联关系，进而提高标签化结果的准确性。

主权项：1.一种应急事件数据的标签化方法，其特征在于，包括：获取并预处理若干应急事件对应的事件数据；将预处理后的每一所述事件数据作为图节点，并根据各所述图节点对应的事件数据之间的关联关系生成边，得到事件关联图；根据所述事件关联图中每一图节点对应的事件数据，对各所述图节点进行标签标注，得到各所述图节点对应的标签信息；根据各所述图节点对应的所述事件数据和所述标签信息，生成各所述图节点的节点表示；将所述事件关联图以及各所述图节点的节点表示输入至预先构建的事件标签化模型中，以对所述事件标签化模型进行训练，得到目标事件标签化模型；采用所述目标事件标签化模型对新应急事件对应的事件数据进行标签化预测；所述事件标签化模型包括相连接的图神经网络和分类网络；其中，所述图神经网络用以根据所述事件关联图，确定各所述图节点的邻居节点以及该邻居节点的节点表示；基于各所述图节点的节点表示以及该图节点对应的邻居节点的节点表示，对所述图节点的节点表示进行更新；所述分类网络用以根据每一所述图节点更新后的节点表示，对各所述图节点进行标签分类，输出每一所述图节点对应的预测标签；所述图神经网络包括多层的图卷积神经网络层和激活函数，每一所述图卷积神经网络层包括节点更新函数和边更新函数，以更新图节点的节点表示以及边的边表示；所述节点更新函数采用注意力机制，计算图节点与邻居节点之间的相似度以调整该邻居节点对应的第一权重；并基于调整后的各所述邻居节点的第一权重对该图节点的节点表示进行更新；所述边更新函数采用注意力机制，确定并更新连接图节点与邻居节点的边对应的第二权重，所述第二权重用以表征各邻居节点对图节点更新后的节点表示的贡献程度。

全文数据：

权利要求：

百度查询： 罗普特科技集团股份有限公司 应急事件数据的标签化方法、装置、介质及设备