欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023116405350
申请人: 南京信息工程大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种事件溯因推理方法,其特征在于,包括:

遍历预先构建的假设事件集,将假设事件、以及溯因的前提事件和结果事件投影到外部事件图上,生成事件描述性知识,对外部事件图上前提事件O1和结果事件O2依次进行干预处理、桥接处理和反事实处理,生成新的前提事件 和结果事件 计算 和O1之间的均方误差距离、以及 和O2之间的均方误差距离;其中,干预处理为对O1和O2进行正向和反向分析,生成新的前提事件 和结果事件 桥接处理为对 O1和O2进行正向和反向分析,生成新的前提事件 和结果事件 反事实处理为对 和H′进行正向和反向分析,生成 和 H′为假设事件H取反;前提事件、假设事件和结果事件均为自然语言描述的文本;

将事件上下文表示和对应的事件描述性知识串连,将所有的串接结果和均方误差距离输入分类模型,获得前提事件和结果事件之间的优选假设事件;其中,事件上下文表示为前提事件、假设事件、结果事件串联后的表示。

2.根据权利要求1所述的事件溯因推理方法,其特征在于,将假设事件、以及溯因的前提事件和结果事件投影到外部事件图上,生成事件描述性知识,包括:利用余弦相似度,将假设事件、以及溯因的前提事件和结果事件投影到外部事件图上;

其中,在外部事件图上,每个节点表示代表一个事件,节点之间的边为事件间的因果关系;

若外部事件图中检索不出事件对应的k跳概念形成的子图,将所有事件拼接成文本,采用自动知识图谱构建模型生成文本对应的事件描述性知识;

若外部事件图中检索出事件对应的k跳概念形成的子图,采用图卷积神经网络生成各事件的描述性知识,将所有事件的描述性知识串联,生成最终的事件描述性知识。

3.根据权利要求2所述的事件溯因推理方法,其特征在于,在图卷积神经网络中,每一层的输出为:式中, 为第l卷积层第i个节点的输出,ρ为激活函数,nd为描述性知识的节点总数,第l‑1卷积层第j个节点的输出, 为第i个节点与第j个节点的邻接关系, 分别为第l层的权重矩阵和偏置向量。

4.根据权利要求1所述的事件溯因推理方法,其特征在于,干预处理的过程包括:*1 *2 *1 *2

将H随机替换为H 和H ,基于外部事件图,获取O1到H 的逻辑链路径 O1到H 的逻*1 *2 *1 *2辑链路径 O2到H 的逻辑链路径 O2到H 的逻辑链路径 其中,H 和H 为假设事件集中除H外的任意两个假设事件;

根据 和外部事件图的邻接矩阵,采用识别网络,生成外生变量;

根据外生变量、 和 采用图的递归迭代方法,计算各逻辑链路径中事件之间的转移概率;

根据转移概率,生成 新的前提事件 新的前提事件 新的结果事件 新的结果事件

将 和 分别与O1进行相似度比较,将 和 分别与O2进行相似度比较,选择* * * *1相似度大的新的假设事件H、以及H对应的 和 作为干预处理的输出;其中,H 为H 或*2H 。

5.根据权利要求1所述的事件溯因推理方法,其特征在于,桥接处理的过程包括:基于外部事件图,获取 到O1的逻辑链路径 到O2的逻辑链路径 其中,* *

H为干预处理中与 和 对应的新假设事件,逻辑链路径中包含H;

根据 和外部事件图的邻接矩阵,采用识别网络,生成外生变量;

根据外生变量、 和 采用图的递归迭代方法,计算各逻辑链路径中事件之间的转移概率;

根据转移概率,生成 新的结果事件 新的前提事件 将 和 作为桥接处理的输出。

6.根据权利要求1所述的事件溯因推理方法,其特征在于,反事实处理的过程包括:基于外部事件图,获取 到H′的逻辑链路径 到H′的逻辑链路径根据 和外部事件图的邻接矩阵,采用识别网络,生成外生变量;

根据外生变量、 和 采用图的递归迭代方法,计算各逻辑链路径中事件之间的转移概率;

根据转移概率,生成 新的结果事件 新的前提事件 将 和 作为反事实处理的输出。

7.根据权利要求4~6任一项所述的事件溯因推理方法,其特征在于,生成外生变量的公式为:(U)′ P P (u)

E =σ(AEW )

式中,μ′为外生变量,g为均值池化操作,MultiAttn为多头自注意操作,σ为sigmod函P (u) P (U)′数,E为逻辑链路径集合,W 为识别网络的权重矩阵,A为外部事件图的邻接矩阵,E 为P P (U)′聚合了E和A的事件表示, 为E 经过多头自注意操作后的表示。

8.根据权利要求4~6任一项所述的事件溯因推理方法,其特征在于,计算各逻辑链路径中事件之间的转移概率,公式为:式中, 为第j个逻辑链路径中的第k‑1个事件 与第k个事件 之间的转移概率,σ为sigmod函数,Wcs为图的递归迭代方法中计算转移概率的全连接网络参数, 为第j个逻辑链路径中的第k‑1个事件的前序事件, 为将 和μ′输入多层感知器获得的输出,为将 和μ′输入多层感知器获得的输出,Wc、bc、We、be为多层感知器的参数,μ′为外生变量,tanh为双曲正切激活函数,||为拼接操作。

9.根据权利要求4~6任一项所述的事件溯因推理方法,其特征在于,根据转移概率,生成新的事件的公式为:j

式中, 为根据转移概率生成第j个逻辑链路径的新事件,cs为第j个逻辑链的转移概率, 为第j个逻辑链路径中的第k‑1个事件与第k个事件之间的转移概率,lj为第j个逻辑链路径中事件的总数,tanh为双曲正切激活函数,||为拼接操作, 为第j个逻辑链路径中的第lj个事件的前序事件, 为第j个逻辑链路径中的第k个事件的前序事件, 为第j个逻辑链路径中的第k‑1个事件的前序事件,Wu为多层感知器的参数, 为第j个逻辑链路径中的第k‑1个事件, 为第j个逻辑链路径中的第k个事件。

10.一种事件溯因推理系统,其特征在于,包括:

遍历模块,遍历预先构建的假设事件集,将假设事件、以及溯因的前提事件和结果事件投影到外部事件图上,生成事件描述性知识,对外部事件图上前提事件O1和结果事件O2依次进行干预处理、桥接处理和反事实处理,生成新的前提事件 和结果事件 计算 和O1之间的均方误差距离、以及 和O2之间的均方误差距离;其中,干预处理为对O1和O2进行正向和反向分析,生成新的前提事件 和结果事件 桥接处理为对 O1和O2进行正向和反向分析,生成新的前提事件 和结果事件 反事实处理为对和H′进行正向和反向分析,生成 和 H′为假设事件H取反;前提事件、假设事件和结果事件均为自然语言描述的文本;

溯因模块,将事件上下文表示和对应的事件描述性知识串连,将所有的串接结果和均方误差距离输入分类模型,获得前提事件和结果事件之间的优选假设事件;其中,事件上下文表示为前提事件、假设事件、结果事件串联后的表示。