基于语义的突发危机事件知识发现与决策支持研究

本课题将研究工作定位于基于语义的突发危机事件知识发现与应急决策支持研究。首先依据突发危机事件的灾害数据库建立轻量级本体、根据历史资料建立重量级本体，形成本体知识库；然后研究非确定性逻辑推理算法，检验该知识库中知识表达、语义关系的逻辑性和冲突，提出解决不一致性的方法，优化知识库；接着集成灾害数据库与优化以后的知识库，研究语义检索算法和基于语义的数据挖掘改进算法并用于知识发现，侧重于发现历史事件中灾害发生的因果关系、研究灾害之间的影响和转化以及产生次生灾害链的规律；然后据此设计和实现突发危机事件应急决策支持系统，根据当前突发危机事件的不完全信息，对事件的未来发展做出预测，辅助产生决策方案；最后进行突发危机事件本体知识库和应急DSS的评价。本课题预期研究成果能丰富和发展现有的危机管理和知识发现的理论与方法体系，提高对突发危机事件的快速反应和正确处理的能力，指导突发危机事件管理的改进与发展方向。

本课题旨在探索基于语义的突发危机事件知识发现与应急决策支持。课题申报书中，我们拟定了四个具体研究内容，现就完成情况分别加以说明。本课题提出了两种突发危机事件本体知识库建立机制：（1）Methontology-based，我们研究了水灾突发危机事件的基本特征，界定了水灾知识库建立的规范、用途等，提取出基本术语和概念，分析了自然灾害领域中概念和概念之间的关系，并构建了水灾应急管理领域的几类规则，形成了形式化的危机事件本体知识。（2）Auto-mapping，是从灾害数据库和案例库使用机器学习自动生成危机事件本体，这里重点研究了从关系模式中如何识别表实体、联系、继承关系等语义,并提出了相应的转换机制。突发危机事件的应急管理决策不可避免地会遇到不同领域的知识重叠或重复、表达不一致、异构、不能互操作等问题，因此，本课题提出了一个多本体集成框架，实现了不同本体之间的互操作和重用。群体事件及网络舆情的很多属性特征具有多维度、多层级的复杂结构，传统的决策树分类算法仅仅适用于属性关系较为单一的情况，不适用于具有复杂属性的领域知识发现。在学习和理解网络舆情领域知识的基础上，我们建立了基于继承关系的群体事件本体，构建了部分基础数据结构。然后，本课题设计并形成了基于本体的决策树改进算法，为群体事件网络关注度影响因素的研究提供了工具和手段。在决策支持方面，针对水灾事件本体，我们设计并实现了案例检索、灾害链推理、比较和验证预案的有效性、自动生成水灾管理规则等功能。我们也设计了数据库-本体映射原型系统，实现了突发危机事件数据库到突发危机事件本体库的自动转换，从而支持突发危机事件本体的自动构建。本课题接着结合现有的本体集成工具，设计并实现了多领域本体集成平台，然后进行了本体集成的应用实例研究，研究结果很好的说明了突发危机事件本体知识库集成解决方案的可行性和有效性。最后，我们实现了基于本体的决策树改进算法及数据挖掘系统，并运用该系统对网络舆情进行了研究，得到了群体事件网络关注度的分类规则，通过规则的分析，了解群体事件网络关注度与群体事件本身特征之间的内在逻辑和联系，为网络舆情预警提供了可行性建议。本课题的研究成果丰富和发展了现有的危机管理和知识发现的理论与方法体系，提高了对突发危机事件的信息处理和快速反应能力，能够指导突发危机事件管理的改进与发展方向。