[發明專利]公衛黑天鵝事件預測方法、裝置、設備及介質

在審

• 申請號: 202111246554.6
• 申請日: 2021-10-26
• 公開（公告）號: CN113762648A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 郭建影
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N3/04;G06N3/08;G06Q50/00
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 黃耀威

1.一種公衛黑天鵝事件預測方法，其特征在于，包括：

獲取多個單模態數據庫；

使用預先訓練好的預測網絡模型的編碼層對所述多個單模態數據庫中的三元組信息進行編碼，根據編碼結果生成對應每個單模態數據庫的單模態數據網絡圖；

使用所述預測網絡模型的二分圖層對多個所述單模態數據網絡圖進行二分圖轉換，得到多模態數據網絡圖；

使用所述預測網絡模型的解碼層確定所述多模態數據網絡圖中滿足預設條件的目標圖節點，并將所述目標圖節點的節點信息作為公衛黑天鵝事件。

2.根據權利要求1所述的方法，其特征在于，所述使用預先訓練好的預測網絡模型的編碼層對所述多個單模態數據庫中的三元組信息進行編碼，根據編碼結果生成對應每個單模態數據庫的單模態數據網絡圖，具體包括：

對所述多個單模態數據庫中的所述三元組信息進行圖嵌入處理，得到對應每個三元組信息的同構圖節點；

根據每個單模態數據庫中對應每個三元組信息的同構圖節點，構建對應每個單模態數據庫的單模態數據網絡圖；

其中，所述同構圖節點是指每個所述單模態數據網絡圖內部的圖節點。

3.根據權利要求1所述的方法，其特征在于，所述使用所述預測網絡模型的二分圖層對多個所述單模態數據網絡圖進行二分圖轉換，得到多模態數據網絡圖，具體包括：

分別更新每個單模態數據網絡圖中同構圖節點的屬性特征和同構圖節點之間的關系特征，得到對應每個單模態數據網絡圖的單模態數據二分圖；

分別融合每兩個單模態數據網絡圖之間異構圖節點的屬性特征和異構圖節點之間的關系特征，得到多模態數據網絡圖；

其中，所述異構圖節點是指，單模態數據網絡圖中同構圖節點在學習到其他單模態數據網絡圖中同構圖節點的屬性特征，和/或學習到與其他單模態數據網絡圖中同構圖節點之間的關系特征后，將所述同構圖節點設定為異構圖節點。

4.根據權利要求1或3所述的方法，其特征在于，所述使用所述預測網絡模型的二分圖層對多個所述單模態數據網絡圖進行二分圖轉換，得到多模態數據網絡圖，具體包括：

根據單模態數據網絡圖的數量確定用于二分圖轉換的自更新二分圖層數量，利用針對每個單模態數據網絡圖設定的自更新二分圖層，更新每個單模態數據網絡圖中同構圖節點的屬性特征和同構圖節點之間的關系特征；

根據每兩個單模態數據網絡圖的組合數量確定用于二分圖轉換的融合二分圖層數量，利用針對每兩個單模態數據網絡圖設定的融合二分圖層，融合每兩個單模態數據網絡圖之間異構圖節點的屬性特征和異構圖節點之間的關系特征。

5.根據權利要求3所述的方法，其特征在于，所述分別融合每兩個單模態數據網絡圖中異構圖節點的屬性特征和異構圖節點之間的關系特征，得到多模態數據網絡圖的步驟之前，還包括：

按照單模態數據網絡圖的數量，將多個單模態數據網絡圖劃分為第一單模態數據網絡圖和第二單模態數據網絡圖；

所述分別融合每兩個單模態數據網絡圖中異構圖節點的屬性特征和異構圖節點之間的關系特征，得到多模態數據網絡圖，具體包括：

分別融合第一單模態數據網絡圖中異構圖節點的屬性特征和異構圖節點之間的關系特征，得到對應第一單模態數據網絡圖的多個第一多模態數據二分圖；

根據所述多個第一多模態數據二分圖，分別融合第二單模態數據網絡圖中異構圖節點的屬性特征和異構圖節點之間的關系特征，得到對應第二單模態數據網絡圖的多個第二多模態數據二分圖，并作為多模態數據網絡圖。

6.根據權利要求1所述的方法，其特征在于，所述解碼層為多層感知器，所述使用所述預測網絡模型的解碼層確定所述多模態數據網絡圖中滿足預設條件的目標圖節點，并將所述目標圖節點的節點信息作為公衛黑天鵝事件，具體包括：

利用多層感知器對所述多模態數據網絡圖中異構圖節點的屬性特征和異構圖節點之間的關系特征進行解碼，得到異構圖節點之間的關系向量；

根據異構圖節點之間的關系向量中滿足預設條件的目標關系向量，確定所述目標關系向量中包含的目標圖節點，并將確定的所述目標圖節點的節點信息作為公衛黑天鵝事件。