[發明專利]基于扎根理論和事理圖譜的船舶航行事故致因分析方法

在審

• 申請號: 202210608600.0
• 申請日: 2022-05-31
• 公開（公告）號: CN115033746A
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 尹雋;紀哲;葛世倫;錢萍
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G06F16/901
• 分類號: G06F16/901;G06F16/25;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 徐澍

1.一種基于扎根理論和事理圖譜的船舶航行事故致因分析方法，其特征在于，包含以下步驟：

(1)獲取各類船舶航行事故調查報告；

(2)對步驟(1)中獲取的船舶航行事故調查報告，結合船舶航行事故特點以及其他事故領域現有本體的復用，基于扎根理論構建船舶航行事故領域本體核心概念；

(3)基于步驟(2)中構建的船舶航行事故本體核心概念，對步驟(1)中獲取的船舶航行事故調查報告中的船舶航行事故事件實體進行分類，并基于本體核心概念標注事件實體，以建立一套適用于船舶航行事故領域的事理圖譜語料庫，再對事件實體標注進行有監督學習模式的事件抽取；

(4)基于步驟(3)中的事件實體抽取結果，采用深度學習工具對步驟(1)中獲取的船舶航行事故調查報告中的船舶航行事故的事件關系進行標注，再采用脈沖耦合神經網絡PCNN的方法對標注的事件關系進行半自動抽取；

(5)將步驟(3)和步驟(4)得到的船舶航行事故事件抽取和事件關系抽取的結果導入Neo4j數據庫中，完成船舶航行事故事理圖譜的構建；

(6)基于步驟(5)構建的船舶航行事故事理圖譜進行船舶航行事故致因分析。

2.根據權利要求1所述的一種基于扎根理論和事理圖譜的船舶航行事故致因分析方法，其特征在于，步驟(2)中，所述的構建本體核心概念的具體內容和方法是，先對步驟(1)中所述的船舶航行事故調查報告中的數據，進行開放性編碼、主軸編碼和選擇性編碼，然后對航行事故核心概念進行提取，最終形成的船舶航行事故本體核心概念。

3.根據權利要求1所述的一種基于扎根理論和事理圖譜的船舶航行事故致因分析方法，其特征在于，步驟(3)中，所述的有監督學習模式是指通過8:1:1的比例將事理圖譜語料庫分為訓練集、測試集、驗證集，使用Word2vec工具對事理圖譜語料庫進行向量化，再將向量輸入雙向長短時記憶神經網絡和條件隨機場BiLSTM-CRF模型進行事件抽取訓練，最后完成船舶航行事故事理圖譜中事件的構建。

4.根據權利要求1所述的一種基于扎根理論和事理圖譜的船舶航行事故致因分析方法，其特征在于，步驟(4)中，所述的脈沖耦合神經網絡PCNN方法的具體內容和步驟是，將步驟(1)中獲取的船舶航行事故調查報告文本分成三段進行卷積，然后進行分段最大池化，通過分類器完成事件關系半自動抽取，最后完成船舶航行事例圖譜中事件關系的構建。

5.根據權利要求1所述的一種基于扎根理論和事理圖譜的船舶航行事故致因分析方法，其特征在于，步驟(6)中，所述的船舶航行事故致因分析指從步驟(5)中獲取的船舶航行事理圖譜中挖掘事故致因關鍵元路徑，然后分時間段分析隨時間變化的事故傳導路徑，分析不同類型事故的關鍵傳導路徑，最后提取不同類型關鍵事故的中心圖譜，進行具體事故的致因分析。

6.根據權利要求5所述的一種基于扎根理論和事理圖譜的船舶航行事故致因分析方法，其特征在于，所述的挖掘事故致因關鍵元路徑的具體內容和方法步驟是：

a)預定義的臨界值表示重要元路徑連接的事故因果對的最小數目；

b)定義種子事故集合，從給定的種子事故出發遍歷原因節點，對事例圖譜進行廣度遍歷和深度遍歷，形成種子節點的因果路徑元組列表；

c)在遍歷過程中計算每個原因節點的因果關聯中心性，檢查是否比給定的臨界值大，當是，則保留，否則就剪枝；

d)對所挖掘的事故元路徑，通過半監督學習PU方法確定元路徑權重，即把種子事故和候選實體分別作為正例和無標簽數據，先從無標簽的數據中確認可靠的負例集合，然后采用SVM迭代建立分類器，以自動學習元路徑權重，最終得到按重要性排序的元路徑。