一种基于知识图谱与迁移学习的企业安全风险预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115994683A(43)申请公布日2023.04.21(21)申请号202210572850.3(22)申请日2022.05.20(71)申请人浙江中易慧能科技有限公司地址310056浙江省杭州市滨江区长河街道江二路57号1幢A区1203室(72)发明人王颖聪曾璘瑶张兴超赵旦张尧青黄秋萍(74)专利代理机构上海汉声知识产权代理有限公司31236专利代理师胡晶(51)Int.Cl.G06Q10/0635(2023.01)G06F16/36(2019.01)G06F18/23(2023.01)G06N3/096(2023.01)权利要求书2页说明书3页附图1页(54)发明名称一种基于知识图谱与迁移学习的企业安全风险预测方法(57)摘要本发明提供了一种基于知识图谱与迁移学习的企业安全风险预测方法，所述方法包括建立企业生产安全知识图谱、预训练基于迁移学习的灰色聚类算法、根据企业生产安全知识图谱获取事故发生数据并微调迁移学习的灰色聚类算法、根据微调后迁移学习的灰色聚类算法分析现场行为安全数据、计算生产现场安全风险等级、根据灰关联分析方法计算行为指标关联度追踪关键行为指标、根据企业生产安全事故知识图谱路径推理算法识别关键行为指标相关危险位置。本方法利用知识图谱构建算法，建立知识库，通过在已有数据预训练模型，提升模型的准确率和挖掘信息的能力，有效指导和规范生产运营各个环节，可较好的应用于实际企业生产中。CN115994683ACN115994683A权利要求书1/2页1.一种基于知识图谱和迁移学习的企业安全风险预测方法，其特征在于，所述方法步骤包括：S1：根据相关企业安评报告、企业安全生产十三要素数据、企业安全相关资料建立企业生产安全事故知识图谱；S2：根据安全相关数据预训练基于迁移学习的灰色聚类算法；S3：根据所述企业生产安全知识图谱获取事故发生数据，微调迁移学习的灰色聚类算法，根据微调后迁移学习的灰色聚类算法分析现场行为安全数据，计算生产现场安全风险等级；S4：根据灰关联分析方法计算行为指标关联度，追踪关键行为指标；S5：根据企业生产安全事故知识图谱路径推理算法识别关键行为指标相关危险位置。2.如权利要求1所述的一种基于知识图谱和迁移学习的企业安全风险预测系统及方法，其特征在于企业生产安全事故知识图谱的构建，采用自顶向下的知识图谱构建方法，所述步骤包括：S21：通过复用现有的知识本体，构建企业生产安全事故知识图谱本体；S22：基于多特征双向门控神经网络的应急物资实体抽取方法，从结构化、半结构化和非结构化数据中抽取安全生产实体信息；S23：对异构数据执行实体对齐和匹配，使用知识推理技术对现有数据进行补充，进行实体知识融合；S24：采用三元组(实体‑关系实体)的数据存储模式对融合后的知识进行存储。3.如权利要求2所述的企业生产安全事故知识图谱的构建，其特征在于抽取安全生产实体信息；使用混合特征融合的化工文本分词及关系抽取方法，分割化工关键词，并基于统计学方法抽取实体之间的关系。4.如权利要求1所述的一种基于知识图谱和迁移学习的企业安全风险预测系统及方法，其特征在于基于迁移学习预训练模型的构建；使用TrAdaBoost算法设置目标域训练数据作为参考，筛选来源数据中与目标数据有差异的数据，使用Boosting去除。5.如权利要求4所述的基于迁移学习预训练模型的构建方法，其特征在于迁移学习的方法步骤包括：S51：初始化权重向量其中，是权重向量，n是辅助数据集Td的行数，m是目标数据集Ts的行数，总数据集T＝Ts∪Td；S52：利用聚类模型WL在总数据集T上进行训练，重复更新参数，提升准确率得到ht；S53：计算ht在Ts的错误率，公式如下：其中，εt为ht在Ts的错误率；2CN115994683A权利要求书2/2页S54：更新样本权重，并用于新一轮训练聚类模型。3CN115994683A说明书1/3页一种基于知识图谱与迁移学习的企业安全风险预测方法技术领域[0001]本发明涉企业安全风险大数据分析领域，具体地，公开了一种基于知识图谱与迁移学习的企业安全风险预测方法。背景技术[0002]随着国内外企业生产规模扩大，企业安全风险愈发受到重视。在生产中，安全隐患最大的特点就是隐蔽性，它的潜在危险性极大，往往是事故已经发生才引起关注，危及员工性命也给企业带来很大损失，因此提前对企业的厂房、设备、配套设施及生产环境存在的风险、隐患进行排查是非常重要的。[0003]安全风险预测的研究开始于上世纪60年代，目前国内外也有很多在这方面的探索成果，可以在一定程度上达到企业风险管理技术风险评估、降低安全风险，但仍存在一些问题：1、大多聚焦于研究预警指标的处理，而缺乏对企业风险本质原因进行深入探究，未