摘要
一种安全隐患治理措施的智能推荐方法,将收集施工过程中积累的隐患文本数据,借助Python工具对半结构化的隐患数据进行实体与关系抽取,构建安全隐患知识图谱并导入到neo4j图数据库中进行存储;搭建施工隐患语义匹配的Sentence‑BERT模型,学习目标隐患与历史隐患的深层语义特征,推荐与目标隐患最相似的历史安全隐患;利用知识图谱的Cypher查询语句,检索该历史安全隐患对应的治理措施。对比分析了3种文本语义匹配模型试验结果,依据语义相似度推荐与当前隐患最相似的历史隐患,检索其治理措施,并通过知识图谱进行可视化展示,以期为制定当前隐患治理措施提供参考。使施工安全管理工作更智能化、效率化。
技术关键词
智能推荐方法
BERT模型
位置特征信息
措施
样本
标签
图谱
训练集
字符
关系抽取方法
孪生神经网络
度评估方法
实体
文本段落
神经网络模型
数据
语义特征
系统为您推荐了相关专利信息
算法模型
精度评估方法
样本
计算机可读指令
精度评估装置
属性预测模型
位置编码器
编码特征
兴趣点
多模态信息
电阻建模方法
神经网络模型
分阶段
多环境
电阻值
雷达回波数据
雷达回波外推方法
循环神经网络模型
覆盖率
动态
深度学习网络模型
领袖
预训练语言模型
商业
分析方法