面向列车安全风险识别的自适应知识获取模型

安监场景下的列车安全风险识别，是构建行车安全风险知识工程和知识驱动铁路智能安全风险管理的核心。如何从海量非结构化数据中自动获取列车安全风险知识，是安监场景中数据到知识快速转换的瓶颈。针对该问题，本发明首先将列车安全风险知识本体结构形式化，构建完整的知识体系。然后提出一种领域自适应的知识获取方法(Domain‑Adaptive Knowledge acquisition,DAKA)。该方法使用双流自注意力机制，学习安监检查文本数据的通用语义嵌入，然后在大规模铁路领域文本中持续学习领域特征，提高对铁路领域语义的表征能力；在理解领域数据语义特征的基础上，使用分段卷积神经网络以细粒度方式深入挖掘列车安全风险特征，最终实现列车安全风险知识自动获取任务。