[发明专利]一种基于NLP大数据的安全生产风险评估方法

说明书

本发明公开了一种基于NLP大数据的安全生产风险评估方法，第一步对语料库按段落清洗、去掉数字和特殊字符；第二步根据预定义的分词算法进行分词和段落为单元对每个词计算输入向量V‑input；第三步采用人工神经网络获取隐藏层神经元数值；第四步计算每一个词的神经网络输出；第五步为通过SoftMax计算每个词输出概率值；第六步为输出数值比对，如果不满足则通过代价函数和梯度函数调整学习权重。第七步为反复循环第一步和第六步完成训练。最后根据特征词向量距离和词频获取该风险特征词的权重值作为风险评估的输入。本发明通过已知事故的描述数据来获取风险的关联特征词，得到相关的风险因子或风险源增加安全生产风险数据源输入，提升了安全生产风险评估可靠性。

技术领域

本发明涉及NLP大数据风险评估技术领域，具体为一种基于NLP大数据的安全生产风险评估方法。

背景技术

目前安全生产风险评估通常采用层次分析法AHP(Analytic HierarchyProcess)、HAZOP(Hazard and Operability analysis，危害与可操作性分析)和SCL等风险评估方法。AHP层次分析方法是认为安全生产风险是由不同的因素组成，并按照因素间的相互关联影响以及隶属关系将因素按不同的层次聚集组合，形成一个多层次的分析结构模型，并且从最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要行给赋予不同的权值。这个权重赋值通常采用专家经验值的方法。而HAZOP风险评估方法也是基于生产经验对每个过程涉及的环节和操作进行打分评估的一种方式。SCL是基于经验的方法，通过列出工艺设备和操作有关的已知类型的危害、设计缺陷表进行评估的方式。这些方法忽略了一个重要的数据来源，即安全生产的事故描述数据和生产过程的隐患数据。这类数据属于文本类型，无法直接进行定量的分析。

因此，以上问题需要解决。

发明内容

本发明的目的在于提供一种基于NLP大数据的安全生产风险评估方法，本发明解决的技术问题：一是如何采用NLP大数据技术手段从海量的安全生产相关文本数据发现风险因子(风险源特征词)，从而提升安全生产风险评估的科学性和可靠性。二是在某些事故数据不足场景下(因为有些安全生产事故场景5是无法重复)如何通过NLP大数据技术解决低频风险特征词难以识别的问题。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于NLP大数据的安全生产风险评估方法，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：