1.基于指标权值优化的化工企业事故风险评估方法，其特征是，包括：基于化工企业事故案例数据和评价指标，构建事故案例与评价指标的二分图；

基于所述事故案例与评价指标的二分图，利用基于矩阵分解的推荐算法计算事故节点与评价指标的关联强度；计算事故节点的影响力；

基于事故节点与历史评价指标的关联强度，和事故节点的影响力，采用随机游走的PersonalRank算法，对二分图进行处理，得到每个评价指标的优化权值；

采用优化后的评价指标对化工企业进行量化评估，根据每项指标的评估得分，计算待评估化工企业的事故风险等级，得到化工企业安全生产存在的安全隐患；将待评估化工企业的事故风险等级和安全隐患发送给对应管理人员的移动终端。

2.如权利要求1所述的基于指标权值优化的化工企业事故风险评估方法，其特征是，基于化工企业事故案例数据和评价指标，构建事故案例与评价指标的二分图；具体包括：通过事故根原因与安全评估体系评价指标项之间的关联关系，构建事故案例与评价指标之间的二分图；

二分图构建过程中，将事故根原因和评价指标项均视为节点，如果事故根原因与评价指标项之间存在关联关系，则表示两个节点之间存在连接线，如果事故根原因与评价指标项之间不存在关联关系，则表示两个节点之间不存在连接线。

3.如权利要求1所述的基于指标权值优化的化工企业事故风险评估方法，其特征是，基于所述事故案例与评价指标的二分图，利用基于矩阵分解的推荐算法计算事故节点与评价指标的关联强度；具体包括：

对二分图中的事故根原因和评价指标项两类节点进行权重的设定和优化，根据二分图，得到事故样本与指标体系关联评分稀疏矩阵；利用基于矩阵分解的推荐算法对关联评分稀疏矩阵中的值进行补充和完善，进而得到事故节点与评价指标的关联强度。

4.如权利要求1所述的基于指标权值优化的化工企业事故风险评估方法，其特征是，基于所述事故案例与评价指标的二分图，利用基于矩阵分解的推荐算法计算事故节点与评价指标的关联强度；详细步骤包括：

设给定的化工事故风险评估系统中有n个评价指标，表示为I＝{I1,I2,...,In}，设事故案例集为D＝{D1,D2,...,Dm}，其中，m为事故案例的个数；

设评价指标权重的专家人员集合为U＝{u1,u2,...,us}，其中，s为参与评价的专家数量；

构造事故案例与评价指标二分图，将二分图演变形成事故样本‑指标体系关联评分稀疏矩阵；

构建事故案例集合D与指标项集合L中的节点之间的关联关系，专家U进行评分，利用矩阵分解算法对关联评分稀疏矩阵中的值进行补充和完善，进而得到事故节点与评价指标的关联强度。

5.如权利要求1所述的基于指标权值优化的化工企业事故风险评估方法，其特征是，构建事故案例集合D与指标项集合L中的节点之间的关联关系，专家U进行评分，利用基于矩阵分解的推荐算法对关联评分稀疏矩阵中的值进行补充和完善，进而得到事故节点与评价指标的关联强度；具体步骤包括：

m个事故案例，n个评价指标形成m*n的事故样本‑指标体系关联评分矩阵，其中事故节点为矩阵的行，指标节点为矩阵的列；

设专家对于事故样本‑指标体系关联评分集合为{5，4，3，2，1}，其中，分值越高，代表专家认为该项指标对于此事故的发生影响越大；

设专家uk根据经验对部分事故Di对应的评价指标Ij给出专家评分值，形成事故样本‑指标体系关联评分稀疏矩阵R稀疏；

利用矩阵分解算法将m*n维的矩阵R稀疏分解成为两个低维度的矩阵m*f，f*n，其中m为事故数，n为评价指标数，f代表隐向量维数；

事故案例和评价指标都映射到维数为f的联合潜在因子空间，以便将事故案例和评价指标交互建模为联合潜在因子空间中的内部产物；因此，每个事故案例di与一个向量qi相关联，每个评价指标lj与一个向量pj相关联，qi和pj均为f维的实数向量；

对于给定的第i个事故案例，qi为事故di嵌入到事故与评价指标交互的f维隐式特征空间的向量表示；

对于给定的评价指标j，pj为评价指标lj嵌入到事故与评价指标交互的f维隐式特征空间的向量表示；

计算 的点积，所得 的点积，捕获了评价指标lj与事故案例di之间的影响度，即评价指标lj对诱发事故案例di的重要度；

采用均方差，加入正则化项计算预测评分 与真实的评分rij的损失函数；

采用梯度下降法，求解qi和pj；

通过利用基于矩阵分解的推荐算法，将事故样本‑指标体系稀疏关联评分矩阵进行填充，得到完整的事故样本‑指标体系评分矩阵；

根据完整的事故样本‑指标体系评分矩阵中每个元素的值，得到完备的评价指标节点与事故节点之间的关联强度。

6.如权利要求1所述的基于指标权值优化的化工企业事故风险评估方法，其特征是，所述计算事故节点的影响力；具体包括：综合事故案例样本的发生时间和事故的危害度，计算事故节点影响力；

事故案例与评价指标关联二分图的事故节点的影响力权重计算是通过综合事故自身的特征属性包括事故的发生时间以及事故的危害度等评价因素计算得到的。

7.如权利要求1所述的基于指标权值优化的化工企业事故风险评估方法，其特征是，基于事故节点与历史评价指标的关联强度，和事故节点的影响力，采用随机游走的PersonalRank算法，对二分图进行处理，得到每个评价指标的优化权值；具体包括：假设二分图G＝(VD,VL,E)，VD表示事故节点集合，VL表示指标项集合，E表示事故节点与指标项的关联，事故节点影响力QD＝{hi|1≤i≤M}和边权重矩阵Z＝{zi,j|1≤i≤M∧1≤j≤N}；

定义Γ为权重函数，即：

Γ(vi)＝hi；定义了事故节点vi的影响力hi；

Γ(eij)＝zi,j；定义了事故节点vi与指标项j的关联度zi,j；

对于初始状态， 初始值为0，即，Γ(vj)＝0，每个指标项节点初始值为0；

选择二分图节点vi开始游走，游走到一个节点时，首先按照概率φ决定是否继续游走，还是停止这次游走并从vi节点重新开始游走；

如果决定继续游走，那么就从当前节点指向的节点中，按照均匀分布随机选择一个节点作为下次游走的节点；

经过多次的随机游走后，每个vj节点被访问到的概率收敛趋于稳定；

基于评价指标节点与事故节点之间的关联强度矩阵，矩阵内元素即为权重计算因子zij；

经过PersonalRank多轮随机游走，指标项集合每个指标节点vj都获得vi对其影响度计算全部样本对指标项的影响力时，综合考虑事故案例样本的发生时间、事故的危害度，即每个事故节点影响力的影响，所有M个事故样本对指标lj权重的节点影响力；

基于在原指标体系的动态调整算法下，综合M个事故的指标项j的权值占比pwj；

计算指标体系的每个指标项的优化权值wj。

8.基于指标权值优化的化工企业事故风险评估系统，其特征是，包括：构建模块，其被配置为：基于化工企业事故案例数据和评价指标，构建事故案例与评价指标的二分图；

关联强度计算模块，其被配置为：基于所述事故案例与评价指标的二分图，利用基于矩阵分解的推荐算法计算事故节点与评价指标的关联强度；计算事故节点的影响力；

权值优化模块，其被配置为：基于事故节点与历史评价指标的关联强度，和事故节点的影响力，采用随机游走的PersonalRank算法，对量化后的二分图进行处理，得到每个评价指标的优化权值；

风险评估模块，其被配置为：采用优化后的评价指标对化工企业进行量化评估，根据每项指标的评估得分，计算待评估化工企业的事故风险等级，得到化工企业安全生产存在的安全隐患；将待评估化工企业的事故风险等级和安全隐患发送给对应管理人员的移动终端。

9.一种电子设备，其特征是，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述权利要求1‑7任一项所述的方法。

10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1‑7任一项所述的方法。