[发明专利]社区安全风险预测方法、装置、电子设备及介质

权利要求书

1.一种社区安全风险预测方法，其特征在于，包括：

获取并分析历史社区安全风险事件，得到各个实体数据及其对应的时间戳数据，根据各个所述实体数据及其对应的时间戳数据构建对应的四元组数据，得到对应的知识图谱，其中，所述实体数据包括头部实体数据和尾部实体数据；

通过预设聚合器将所述知识图谱中各个时刻下，各个所述头部实体数据及其对应的尾部实体数据进行聚合，得到各个所述时刻下的各个局部数据；

其中，所述通过预设聚合器将所述知识图谱中各个时刻下，各个所述头部实体数据及其对应的尾部实体数据进行聚合，得到各个所述时刻下的各个局部数据，包括：

根据各个所述时刻下，各个所述头部实体数据对应的实体关系的关系特征，将各个所述头部实体数据对应的尾部实体数据进行分类，对应得到多个关系特征的尾部实体数据；

通过所述预设聚合器将各个所述时刻下，各个所述头部实体数据对应的具有相同关系特征的尾部实体数据进行聚合，得到各个所述时刻下的各个新头部实体数据；

通过所述预设聚合器将各个所述时刻下的各个新头部实体数据进行再次聚合，得到各个所述时刻下的各个局部数据；

基于各个所述时刻下的各个所述局部数据确定其对应的全局数据，通过各个所述时刻下的全局数据及其对应的各个局部数据对预设神经网络进行训练，得到社区安全知识图谱模型；

其中，所述基于各个所述时刻下的各个所述局部数据确定其对应的全局数据，通过各个所述时刻下的全局数据及其对应的各个局部数据对预设神经网络进行训练，得到社区安全知识图谱模型，包括：

对各个所述时刻下的各个所述局部数据进行最大池化操作，得到各个所述时刻下的最大局部数据，并获取各个所述时刻的上一时刻对应的上一时刻全局数据和上一时刻局部数据；

根据各个所述时刻下的最大局部数据及其对应的上一时刻全局数据，得到各个所述时刻下的全局数据；

基于各个所述时刻下的全局数据及其对应的各个局部数据，及其对应的上一时刻局部数据，得到各个所述时刻下的目标局部数据；

基于各个时刻下的全局数据及其对应的目标局部数据对所述预设神经网络进行训练，得到所述社区安全知识图谱模型；

确定输入的待预测时刻，基于所述社区安全知识图谱模型对所述待预测时刻的社区安全风险进行预测；

其中，所述基于所述社区安全知识图谱模型对所述待预测时刻的社区安全风险进行预测，包括：

基于所述社区安全知识图谱模型中的时间顺序，建立所有社区安全风险事件对应的联合分布；

将所述联合分布转化为对应的条件分布序列，并确定与所述待预测时刻的事件相关的历史社区事件；

根据所述条件分布序列和所述历史社区事件，得到所述待预测时刻对应的社区安全条件概率；

根据所述社区安全条件概率对所述待预测时刻的社区安全风险进行预测。

2.根据权利要求1所述的社区安全风险预测方法，其特征在于，所述根据所述条件分布序列和所述历史社区事件，得到所述待预测时刻对应的社区安全条件概率的步骤包括：

根据所述条件分布序列和所述历史社区事件，构建对应的目标联合分布，其中，所述目标联合分布包括第一条件概率分布、第二条件概率分布和第三条件概率分布；

根据所述第一条件概率分布、所述第二条件概率分布和所述第三条件概率分布，得到所述社区安全条件概率。

3.根据权利要求2所述的社区安全风险预测方法，其特征在于，所述根据所述第一条件概率分布、所述第二条件概率分布和所述第三条件概率分布，得到所述社区安全条件概率的步骤包括：

基于所述第一条件概率分布，确定待预测时刻对应的头部实体条件概率，并采样所述待预测时刻的待预测头部实体数据；

基于所述第二条件概率分布生成所述待预测时刻下，所述待预测头部实体数据与所述历史社区事件的实体关系条件概率；

基于所述第三条件概率分布，确定所述待预测时刻对应的尾部实体条件概率；

根据所述头部实体条件概率、所述实体关系条件概率和所述尾部实体条件概率，得到所述社区安全条件概率。