基于知识图谱与深度学习的多场景风险感知方法

本发明公开了基于知识图谱与深度学习的多场景风险感知方法，包括如下步骤：采集多源异构数据，并统一标准化为多模态数据向量，将数据向量转换为具有方向和幅度特征的极坐标表示，利用极坐标变换网络进行模态间融合；融合结果与预设的风险知识图谱进行匹配，构建包含风险节点和边权的动态图谱结构；通过引入反向随机微分方程，模拟风险随时间演化的状态；分析其在不同方向上的风险密度分布，生成用于控制风险推理的动态向量，通过异步方式动态激活风险通道，综合输出统一的多场景风险感知图谱。本发明实现对复杂环境下风险状态的连续、可解释性识别与预测。