[发明专利]一种面向事件序列的因果建模方法及装置

权利要求书

1.一种面向事件序列的因果建模方法，其特征在于，包括：

获取多条事件序列数据，其中每条事件序列都包含多个带前后顺序关系的事件，事件序列中的事件都来源于一个共享的事件集合；

将事件序列数据转化为向量化的表示，并完成事件序列的聚类；

使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系。

2.根据权利要求1所述的一种面向事件序列的因果建模方法，其特征在于，所述事件为空气污染传播或体育运动事件。

3.根据权利要求1所述的一种面向事件序列的因果建模方法，其特征在于，所述向量化的方法采用词袋(Bag-of-Word)模型，统计序列中每个事件的发生次数完成向量化。

4.根据权利要求1所述的一种面向事件序列的因果建模方法，其特征在于，所述聚类的方法采用现有的基于密度的聚类算法。

5.根据权利要求1所述的一种面向事件序列的因果建模方法，其特征在于，使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，具体包括：

步骤(2.1)，一条长度为N的事件序列S包含事件为[e₁,…,e_n]，其中e_i的发生时间不晚于e_i+1，对该事件序列进行展开得到N条子事件序列S_i＝[e₁,…,e_i]；

步骤(2.2)，利用词袋模型将每条子事件序列S_i转化为一个向量V_i，向量中的每一个维度都代表了一个事件，每一个维度上的值为0或者1，代表事件没有发生或已经发生；

步骤(2.3)，将一类事件序列的子事件序列聚合得到表格T，T中每一行是一个子事件序列，每一列是一个事件；

步骤(2.4)，对每个类，将表格T输入到因果检测算法中得到反映事件因果关系的因果网络，由此得到M个组和M个相对应的因果网络G；

步骤(2.5)，判断整个数据集中每条事件序列与各个因果网络G的相似度，并将该序列重分配到相似度最高的因果网络G所对应的组中；

步骤(2.6)，迭代执行步骤(2.3)至(2.5)，直到每个组所包含的事件序列不再改变，即收敛。

6.根据权利要求5所述的一种面向事件序列的因果建模方法，其特征在于，相似度的计算包括：

统计在事件序列S中观测到的属于因果网络G的因果关系数量；

对于G中的一条因果关系(e_i,e_j)，即e_i的发生导致了e_j的发生，在事件序列S中观测到e_i先发生而e_j后发生的现象则认为该条因果关系得到匹配，否则不匹配，匹配的因果关系的数量越多则认为该因果网络G与该事件序列S的相似度越高。

7.一种面向事件序列的因果建模装置，其特征在于，包括：

获取模块，用于获取多条事件序列数据，其中每条事件序列都包含多个带前后顺序关系的事件，事件序列中的事件都来源于一个共享的事件集合；

向量化和聚类模块，用于将事件序列数据转化为向量化的表示，并完成事件序列的聚类；

结果获取模块，用于使用时间保留的检测方法获取聚类结果中每组事件序列所对应的因果网络，其中因果网络中每个节点是一个事件，节点之间通过有向边连接表示因果关系。