基于多层级图表示学习的事件风险指标关联关系预测方法

本发明公开了一种基于多层级图表示学习的事件风险指标关联关系预测方法，属于图神经网络模型设计技术领域。其包括：收集一定时间内的事件及其对应的风险评估指标权重、命中分数；训练Word2Vec模型将文本数据转为向量，构建图结构数据样本，使用图注意力网络融合文本的语义信息和多层级指标的图嵌入特征表示学习，使用最低一级指标的特征表示进行风险评估与预测，基于风险真实值损失来进行多层级指标权重更新，同时引入掩码策略去除不相关关系的影响，训练模型；使用训练好的模型进行事件风险指标关联关系预测。本发明能够充分地挖掘征候指标之间的关联关系，提高精度。