(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210006246.4 (22)申请日 2022.01.05 (71)申请人 北京邮电大 学 地址 100876 北京市海淀区西土城路10号 (72)发明人 王晓湘　陈劲伊　刘至成　林雪松　 韩万江　魏鹏　王玉龙　 (74)专利代理 机构 北京风雅颂专利代理有限公 司 11403 专利代理师 陈莉 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/35(2019.01) G06F 40/289(2020.01) G06F 40/30(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 地震影响范围评估方法及相关 设备 (57)摘要 本申请提供一种地震影响范围评估方法及 相关装置； 该方法包括： 从社交媒体提取多条动 态并进行预处理， 得到词向量和地理位置信息， 并确定提取时间； 从词向量中提取文本语义矩阵 和符号语义矩阵， 均分别采取注 意力机制进行计 算， 并对计算结果进行合并， 得到该条动态的情 感特征向量； 将全部情感特征向量输入预训练的 分类器， 得到动态所隶属的不同情绪类别， 其中， 情绪类别包括： 消极情绪； 将地震区域划分为多 个子区域， 对于每个子区域， 利用全部动态的提 取时间、 动态的数量和属于消极情绪的动态的数 量建立关于该子区域的震感特征向量； 将每个子 区域的震感特征向量输入预训练的全连接神经 网络， 对地震影响程度进行预测， 得到地震影响 范围分布图。 权利要求书3页 说明书13页 附图3页 CN 114564558 A 2022.05.31 CN 114564558 A 1.一种地震影响范围评估方法， 包括： 从社交媒体提取多条动态， 并对每条所述动态进行预处理， 得到每条所述动态的词向 量和地理位置信息， 并确定所述多条动态的提取时间； 对于每条所述动态， 从所述词向量中提取文本语义矩阵和符号语义矩阵， 均分别采取 注意力机制进行计算， 并对计算结果进行合并， 得到该 条动态的情感特 征向量； 将全部所述情感特征向量进行分类输入预训练的分类器， 得到所述动态所隶属的不同 情绪类别， 其中， 所述情绪类别包括： 消极情绪； 根据所述地理位置信 息， 将地震区域划分为多个子区域， 对于每个所述子区域， 利用全 部所述动态的提取时间、 所述动态的数量、 属于所述消极情绪的所述动态的数量和预获取 的人口数量， 建立关于该子区域的震感特 征向量； 将每个所述子区域的所述震感特征向量输入预训练 的全连接神经网络， 对地震影响程 度进行预测， 得到地震影响范围分布图。 2.根据权利要求1所述的方法， 其特征在于， 所述得到每条所述动态的词向量和地理位 置信息， 包括： 对于每条所述动态， 对该条所述动态中的句子利用结巴中文分词对该条所述动态中的 句子进行分词操作， 得到文本序列和符号序列， 并将所述文本序列和所述符号序列输入到 语言表征模型中， 得到所述词向量。 3.根据权利要求1所述的方法， 其特征在于， 所述均分别采取注意力机制进行计算， 并 对计算结果进行合并， 包括： 对于每条 所述动态， 将所述文本语义矩阵输入门控循环单 元进行编码， 得到文本特 征； 将所述符号语义矩阵输入卷积神经网络进行编码， 得到符号特 征； 利用预先设置的第一可调节权 重和第一偏置系数为所述文本特 征构建第一激活函数； 利用预先设置的第二可调节权 重和第二偏置系数为所述符号特 征构建第二激活函数； 利用所述第 一激活函数计算目标文本特征向量， 利用所述第 二激活函数计算目标符号 特征向量； 采取行连接的方式， 对所述目标文本特征向量和所述目标符号特征向量进行融合， 得 到该条所述动态的情感特 征向量。 4.根据权利要求1所述的方法， 其特 征在于， 所述分类 器的预训练过程， 包括： 从所述社交媒体提取历史数据， 得到每条所述动态中属于不同所述情绪类别的所述情 感特征向量， 并输入所述分类 器， 得到关于对该 条所述动态进行分类的条件概 率分布； 利用该条动态所隶属不同所述情绪类别时的所述条件概率分布建立损失函数， 并以将 所述损失函数最小化 为目标对所述分类 器进行训练； 其中， 所述情绪类别包括： 积极情绪、 悲伤情绪、 焦虑情绪、 害怕情绪、 生气情绪和无情 绪， 并将所述悲伤情绪、 所述焦 虑情绪、 所述害怕情绪定义 为所述消极情绪。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述地理位置信息， 将地震区域 划分为多个子区域， 包括： 对于提取的所述多条动态中的每一条， 响应于确定该条所述动态具备地理位置信息， 获取该地理位置信息， 并通过正向地理编码的方式， 将所述 地理位置信息映射 为地理坐标； 根据所述 地理坐标， 确定每条 所述动态隶属的所述子区域。权　利　要　求　书 1/3 页 2 CN 114564558 A 26.根据权利要求4所述的方法， 其特征在于， 所述利用全部所述动态的提取时间、 所述 动态的数量、 属于所述消极情绪的所述动态的数量和预获取 的人口数量， 建立关于该子区 域的震感特 征向量， 包括： 对于每个所述子区域， 执 行如下操作： 将全天的时间划分为多维度的第 一子区间， 并将 获取的地震发生 时刻与所述提取时间 的时间差划分为多维度的第二子区间， 融合所述第一子区间和所述第二子区间， 得到多维 度的第一离散区间， 根据所述地震发生时刻所隶属的所述第一离散区间的维度， 确定该子 区域关于所述 提取时间的第一独热向量； 将所述动态的数量划分为多维度的第 二离散区间， 确定该子区域内在所述提取时间所 提取出的所述动态的数量， 根据所述动态的数量所隶属的所述第二离散区间的维度， 确定 该子区域关于所述动态数量的第二独热向量； 将预先获取的该子区域的所述人口数量划分为多维度的第 三离散区间， 根据 所述人口 数量所隶属的所述第三离散区间的维度， 确定该子区域关于所述人口数量的第三独热向 量； 根据所述情绪类别的分类， 在该子区域内在所述提取时间所提取出的全部所述动态 中， 确定属于所述消极情绪的所述动态的情绪比例， 将所述情绪比例划分为多维度的第四 离散区间， 根据所述情绪比例所隶属的所述第四离散区间的维度， 确定该子区域关于所述 情绪比例的第四独热向量； 将所述第一独热向量、 所述第二独热向量、 所述第三独热向量和所述第 四独热向量共 同作为所述震感特 征向量。 7.根据权利要求 4所述的方法， 其特 征在于， 所述全连接神经网络的训练过程， 包括： 利用从所述社交媒体提取的所述历史数据， 得到每个所述子区域的所述震感特征向 量； 将每个所述子区域的所述震感特征向量输入所述全连接神经网络， 对所述地震影响程 度进行预测并得到预测结果， 结合全部所述子区域的所述预测结果， 得到所述地震影响范 围分布图； 获取的官方地震烈度， 将官方地震烈度与所述地震影响程度进行一一对应， 并利用二 者构建所述全连接神经网络中的代价函数， 并对所述全连接神经网络进 行预测所述地震影 响程度的训练； 响应于所述代价函数最小化收敛至预设收敛界限， 完成训练， 得到预训练的所述全连 接神经网络 。 8.一种地震影响范围评估 装置， 包括： 预处理模块， 被配置为： 从社交媒体提取多条动态， 并对每条所述动态进行预处理， 得 到每条所述动态的词向量和地理位置信息， 并确定所述多条动态的提取时间； 语义合成模块， 被配置为： 对于每条所述动态， 从所述词向量中提取文本语义矩阵和符 号语义矩阵， 均分别采取注意力机制进 行计算， 并对计算结果进 行合并， 得到该条动态的情 感特征向量； 分类模块， 被配置为： 将全部所述情 感特征向量进行分类输入预训练的分类器， 得到所 述动态所 隶属的不同情绪类别， 其中， 所述情绪类别包括： 消极情绪；权　利　要　求　书 2/3 页 3 CN 114564558 A 3