法律状态公告日
法律状态信息
法律状态
2017-11-17
授权
授权
2015-12-09
实质审查的生效 IPC(主分类):G06F19/00 申请日:20150617
实质审查的生效
2015-11-11
公开
公开
技术领域
本发明涉及一种突发事件信息进行处理的方法,更具体的说,是涉及一种 基于群体感知的突发事件信息收集和管理方法。
背景技术
随着移动通信网络的快速发展和应用,在一些突发事件中,事件参与者或 现场人员可以通过微博、微信、论坛等网络媒体,快速得对事件信息进行有效 及时的传递。事件参与者或现场人员可以有选择性得提供一些关于事件的信息, 例如事发地所在的位置信息等。通常情况下,一些事件通常会包括几个方面。 而事件参与者或现场人员通过网络媒体传递的信息通常来源分散不集中,缺乏 一定的导向性,且信息缺乏相互之间的协调性,从而导致不能对突发事件进行 快速精确描述,就不能够对事件进行一个全方位的还原呈现。
本发明提出了一种基于群体感知的突发事件信息收集和管理方法。突发事 件信息包括突发事件及其组成部分、突发事件缺失信息、参与突发事件的个体。 其中突发事件及事件组成部分通过群体感知的信息来进行识别的,突发事件缺 失信息来源于被识别的参与突发事件的个体。
发明内容
为克服现有信息来源分散、缺乏导向性及协调性、信息利用率低等缺点, 本发明提供了一种充分利用信息来源、内容等的基于群体感知的突发事件信息 收集和管理方法。
一种基于群体感知的突发事件信息收集和管理方法,包括以下步骤:
(1)根据经验预定义的事件模型库M={m1,m2,…,mj},其中mj为第j个事 件分类模型;模型中按权重从大到小排序的组成部分集合Cj={cj1,cj2,…,cjk}及 对应的权重集合CWj={cwj1,cwj2,…,cwjk},其中cjk为第j个模型的第k个组成 部分,cwjk为第j个模型的第k个组成部分的权重;与各组成部分匹配的问题 Qj={qj1,qj2,…,qjk},qjk为与第j个模型的第k个组成部分匹配的问题。
(2)采集各种信息终端输入的群体感知信息,构成信息集合I={i1,i2,…,in}, 其中in为第n个信息终端输入的群体感知信息;
(3)构造关键字/词解析器,用所述的解析器将群体感知信息集I中的信息利 用中文分词技术及去重技术提取关键字/词,构成关键字/词集合W={w1,w2,…, wm},其中wm为第m个关键字/词;设定关键字/词集合与预定义的事件分类模 型组成部分之间的相似度阈值,所述的相似度以关键字/词的重复程度来表征;
(4)构造一个基于规则或者机器学习的事件分类器,用所述的事件分类器对 事件模型进行识别;
(5)根据所述的模型匹配值,确认匹配值最高的为当前突发事件分类模型及 其组成部分,即突发事件模型Mj及其组成部分Cjk;
(6)确定未被匹配到的所述突发事件模型Mj中的组成部分RCjr,即缺失信 息,且RCjr是Cjk的一个真子集;
(7)根据RCjr确定问题集合RQjr,即定向投放问题,且RQjr是Qjk的一个真 子集;
(8)识别一个或多个与所述突发事件相关的群体感知参与者P={p1,p2,…, ps},其中ps是指第s个被识别的群体感知参与者;
(9)向一个或多个所述被识别的群体感知参与者ps定向投放所述的定向投 放问题RQjr,请求获取缺失信息;
(10)重复步骤2-9,直至当前模型Mj的所有组成部分Cjk匹配完成。
(11)当前模型Mj的所有组成部分Cjk构成对突发事件的完整描述。
进一步,所述事件分类器是一个基于规则或者机器学习的事件分类器。所 述的事件分类器将当前关键字/词集合K与所述每一个事件模型M的每一个模 型组成部分Cj进行匹配,判断两者之间的相似度,进一步确定每一个事件模型 的匹配值,构造匹配值集合S={s1,s2,…,sj},其中sj为第j个模型的匹配值。
进一步,所述的步骤4由以下步骤组成:
(4.1)取出当前事件模型M的第j个模型Mj的组成部分Cj;
(4.2)取出当前关键字/词集合W中的第m个关键字/词wm;
(4.3)将关键字wm与组成部分Cj的所有成员cjk一一进行相似度匹配,若相 似度低于阈值,则舍弃当前成员;若相似度高于阈值,则保留当前成员,并通 过冒泡排序法确定相似度最高的成员;
(4.4)重复4.2至4.3,至所有关键字匹配完成;
(4.5)将保留的组成部分各个成员与其对应的权重进行加权求和,得到当前 模型的匹配值sj。
与现有技术相比,本发明的有益效果是:
1、解决了对突发事件进行完整信息收集补充和管理使用的方法。现有的 突发事件信息收集方法,仅利用收集到的信息进行报道。本发明同时还利用已 有的信息用于对事件进行完整再现的后续过程。
2、解决了识别突发事件缺失信息的问题。现有的突发事件信息收集方法, 只利用收集到的群体感知信息进行报道。本发明在已有群体感知信息的基础上, 同时利用语义模型,对突发事件中缺失的重要组成部分信息进行识别。
3、提出了收集缺失信息的方法。本发明利用已有的群体感知信息识别群 体感知的参与者,通过定向投放问题的方式实现关于突发事件缺失信息的收集, 从而完整再现突发事件全貌。
附图说明
图1为本发明的总的流程图
图2为本发明中的事件分类模型识别的流程图
图3为基于本发明的一个定向投放问题的输入管理的实施例
图4为基于本发明的一个突发事件完整处理的实施例
具体实施方式
参照附图1、2,通过具体实施例对本发明进行说明。
基于群体感知的突发事件信息收集和管理方法,包括以下步骤:
(1)根据经验预定义的事件模型库M={m1,m2,…,mj},其中mj为第j个事 件分类模型;模型中按权重从大到小排序的组成部分集合Cj={cj1,cj2,…,cjk}及 对应的权重集合CWj={cwj1,cwj2,…,cwjk},其中cjk为第j个模型的第k个组成 部分,cwjk为第j个模型的第k个组成部分的权重;与各组成部分匹配的问题 Qj={qj1,qj2,…,qjk},qjk为与第j个模型的第k个组成部分匹配的问题。
(2)采集各种信息终端输入的群体感知信息,构成信息集合I={i1,i2,…,in}, 其中in为第n个信息终端输入的群体感知信息;
(3)构造关键字/词解析器,用所述的解析器将群体感知信息集I中的信息利 用中文分词技术及去重技术提取关键字/词,构成关键字/词集合W={w1,w2,…, wm},其中wm为第m个关键字/词;设定关键字/词集合与预定义的事件分类模 型组成部分之间的相似度阈值,所述的相似度以关键字/词的重复程度来表征;
(4)构造一个基于规则或者机器学习的事件分类器,用所述的事件分类器对 事件模型进行识别。事件分类器将当前关键字/词集合K与所述每一个事件模型 M的每一个模型组成部分Cj进行匹配,判断两者之间的相似度,进一步确定每 一个事件模型的匹配值,构造匹配值集合S={s1,s2,…,sj},其中sj为第j个模 型的匹配值。
(4.1)取出当前事件模型M的第j个模型Mj的组成部分Cj;
(4.2)取出当前关键字/词集合W中的第m个关键字/词wm;
(4.3)将关键字wm与组成部分Cj的所有成员cjk一一进行相似度匹配,若相 似度低于阈值,则舍弃当前成员;若相似度高于阈值,则保留当前成员,并通 过冒泡排序法确定相似度最高的成员;
(4.4)重复4.2至4.3,至所有关键字匹配完成;
(4.5)将保留的组成部分各个成员与其对应的权重进行加权求和,得到当前 模型的匹配值sj。
(4.6)重复4.1至4.4,至所有事件模型匹配完成;
(5)根据所述的模型匹配值,确认匹配值最高的为当前突发事件分类模型及 其组成部分,即突发事件模型Mj及其组成部分Cjk;
(6)确定所述突发事件模型Mj中未被匹配到的组成部分RCjr,即缺失信息, 且RCjr是Cjk的一个真子集;
(7)根据RCjr确定问题集合RQjr,即定向投放问题,且RQjr是Qjk的一个真 子集;
(8)识别与所述突发事件相关的一个或多个群体感知参与者P={p1,p2,…, ps},其中ps是指第s个被识别的群体感知参与者;
(9)向一个或多个所述被识别的群体感知参与者ps定向投放所述的定向投 放问题RQjr,请求获取缺失信息;
(10)重复步骤2-9,直至当前模型Mj的所有组成部分Cjk匹配完成。
(11)当前模型Mj的所有组成部分Cjk构成对突发事件的完整描述。
图3描述了基于本发明的一个突发事件完整处理的实施例。服务器接收群 体感知信息,并进行事件模型匹配。事件模型中虚线部分为未匹配组成部分, 实线部分为已匹配组成部分。为未匹配的组成部分生成问题后,将问题定向投 放给事故附近被识别的人员。
图4描述了基于本发明的一个定向投放问题的输入管理的实施例。对突发 事件的描述可以通过在移动电话或者其他的输入设备上以“填空”的方式来完 成。服务器向群体感知参与者ps发送突发事件(本实施例中为“交通事故”) 的相关信息。与缺失信息匹配的问题RQjr同时被定向投放给这些群体感知参与 者。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明 的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围 也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
机译: 基于规则的突发事件和动态过程管理方法和系统
机译: 使用位置感知移动设备进行基于群体的社交互动
机译: 使用位置感知移动设备进行基于群体的社交互动