[发明专利]一种基于NLP大数据的安全生产风险评估方法

权利要求书

1.一种基于NLP大数据的安全生产风险评估方法，其特征在于，包括以下步骤：

步骤102：准备安全生产风险评估语料库，对语料库按段落切分、清洗、去掉数字和特殊字符；

步骤103：根据预定义的分词算法对段进行分词和以段落为单元对每个词计算输入向量V-input；所述输入向量V-input采用one-hot-representation方法；

步骤104：采用人工神经网络计算隐藏层数据，获取每个词的隐藏层值；人工神经网络计算方法为：每个词向量乘以输入神经网络学习矩阵得出隐藏神经元的数值，输入学习矩阵大小为VxN,其中V代表输入的词个数，N代表的是隐藏层神经元数；

步骤105：通过隐藏层神经元数值和学习权重矩阵，计算输出值；计算输出值的计算方法为：隐藏层的数据乘以输出学习矩阵(大小为NxV),即得到输出值；

步骤106：通过SoftMax对每个输出值计算对应的概率和进行归一化处理，如果概率输出大于80％，否则通过梯度函数反向调整神经网络学习矩阵权值，直到满足输出结果则符合要求；

其中SoftMax函数为：对输出值X_i进行求和作为分母，然后X_i除以分母即得出每个输出值的概率，见如下公式，公式1：

神经网络的cost损失函数为如下，其中Wo为输出词word的值，Wi为目标值，公式2：

E＝-log P(w_O|w_I)

更新神经网络学习矩阵的梯度函数为如下，其中h为隐藏层数值，W为学习矩阵，公式3：

和最后学习权重更新计算公式为，公式4：

步骤107：判断学习输出值是否满足要求，是则进入步骤108，否则重复102-106步骤；

步骤108：判断训练数据是否结束，是则进入步骤109，否则重复步骤102-步骤107，一直到训练数据结束；

步骤109：保存学习结果数据，通过根据安全生产风险的关键词如透水，获取关联词特征词，把特征词定义为风险因子；

步骤110：采用余弦算法对关键词和特征词的向量计算距离dist，所述风险因子权重值定义为关联距离乘以特征词的词频freq，即w＝dist*freq作为安全生产风险评估新的因子输入。