(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 202111548670.3 (22)申请日 2021.12.17 (71)申请人 公安部第三研究所 地址 200030 上海市徐汇区岳阳路76号 (72)发明人 李株华　彭如香　 (74)专利代理 机构 上海申新 律师事务所 31272 专利代理师 吴轶淳 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/08(2006.01) G06K 9/62(2022.01) G06F 17/16(2006.01) G06F 16/9537(2019.01) (54)发明名称 一种基于GNN-GRU的时空关联预测方法 (57)摘要 本发明涉及事件 预测技术领域， 具体涉及一 种基于GNN ‑GRU的时空关联预测方法， 包 括： 步骤 S1： 获取过去一时间段内的多个所述袭击事件； 步骤S2： 自所述袭击事件中以时间顺序依次提取 多对关联于所述袭击事件的空间特征和时间特 征； 每一个所述袭击事件中所述的空间特征作为 下一时刻所述时间特征的隐状态进行提取； 步骤 S3： 根据所述时间特征和所述空间特征生成预测 结果。 本发明的有益效果在于： 通过对袭击事件 提取时间特征和空间特征， 进而有效地得出预测 结果， 避免了现有技术中， 针对袭击事件进行单 一特征提取， 无法对袭击事件进行有效预测的问 题， 进而为袭击事件的事前预防提供了可靠的依 据。 权利要求书2页 说明书7页 附图4页 CN 114897202 A 2022.08.12 CN 114897202 A 1.一种基于GN N‑GRU的时空关联 预测方法， 其特 征在于， 包括： 步骤S1： 获取 过去一时间段内的多个所述袭 击事件； 步骤S2： 自所述袭击事件中以时间顺序依次提取多对关联于所述袭击事件的空间特征 和时间特 征； 每一个所述袭击事件中所述的空间特征作为下一时刻所述时间特征的隐状态进行提 取； 步骤S3： 根据所述时间特 征和所述空间特 征生成预测结果。 2.根据权利要求1所述的时空关联 预测方法， 其特 征在于， 所述 步骤S2包括： 步骤S21： 自所述袭 击事件中生成对应于所述袭 击事件的邻接矩阵； 步骤S22： 对多个所述邻接矩阵以时间顺序依次进行提取， 以获取多对所述空间特征和 时间特征。 3.根据权利要求2所述的时空关联 预测方法， 其特 征在于， 所述 步骤S21包括： 步骤S211： 生成一对应于所述袭 击事件的关联矩阵； 步骤S212： 根据所述关联矩阵生成所述邻接矩阵。 4.根据权利要求3所述的时空关联预测方法， 其特征在于， 所述关联矩阵为： Rt＝[ev], [eu],其中Rt为所述关联矩阵， ev为受袭击地区， eu为袭击发起组织， t为所述袭击事件的发 生时间； 所述邻接矩阵为： 其中， At为所述邻接矩阵， Rt为对应于所述袭击事 件的所述关联矩阵， 为所述关联矩阵的转置矩阵， t为所述袭 击事件的发生时间。 5.根据权利要求3所述的时空关联预测方法， 其特征在于， 预先输入一初始值作为第 一 个所述隐状态， 则所述 步骤S22包括： 步骤S221： 根据输入的所述隐状态生成所述空间特 征； 步骤S222： 根据所述空间特 征和所述邻接矩阵生成所述时间特 征； 步骤S223： 将所述时间特征作 为下一个所述隐状态， 随后返回所述步骤S221， 直至所述 邻接矩阵均被提取完成。 6.根据权利要求5所述的时空关联预测方法， 其特征在于， 所述空间特征的生成方法包 括： 其中， 为第i个节点的输出的所述空间特征， ht， j为输入的所述隐状态， σ(*)为求和 函数， 为所述袭击事件在多个所述袭击事件组成的图结构中的邻接节点， αij为注意力系 数， W为模型可学习参数； 所述注意力系数αij的生成方法包括： 其中， αij为所述 注意力系数， ei， j为所述邻接节点ht， i与所述隐状态ht， j的相似系数， LeakReLU(*)为激活函 数， exp(*)为指数函数， 为所述袭击事件在多个所述袭击事件 组成的图结构中的邻接节 点； 所述相似系数ei， j的生成方法为： ei， j＝a(W1ht， i， W1ht， j)， 其中， ei， j为所述相 似系数， W1权　利　要　求　书 1/2 页 2 CN 114897202 A 2和a为模型 可学习参数。 7.根据权利要求5所述的时空关联预测方法， 其特征在于， 所述 时间特征的生成方法包 括依次计算的： 其中， ht为所述时间特征， Wr、 br、 Wz、 bz、 Wh、 Uh及bh为关联于上一个所述隐状态的模型可 学习参数， rt为时间特 征提取过程中的重 置门， zt为时间特 征提取过程中的更新门。 8.根据权利要求1所述的时空关联 预测方法， 其特 征在于， 所述 步骤S3包括： 步骤S31： 根据所述空间特 征和所述时间特 征产生预测过程信息； 步骤S32： 根据所述预测过程信息生成所述预测结果。 9.根据权利要求8所述的时空关联预测方法， 其特征在于， 所述步骤S31中所述预测过 程信息的生成方法包括： Pt＝W2(tanh(W1ht+b1))+b2， 其中， Pt为所述预测过程信息， ht为最近 的所述袭 击事件的时间特 征， W2、 b2、 W3和b3作为模型的可 学习参数。 10.根据权利要求8所述的时空关联预测方法， 其特征在于， 所述步骤S32包括： 采用一 目标函数对所述预测过程信息进行处 理以生成所述预测结果； 所述目标函数包括： L ＝L2+β Lreg， 其中， At为所述袭击事件的邻 接矩阵， Pt为所述袭击 事件的关联矩阵； Lreg＝|| θ||2， β 为正则化项的权 重参数， θ 为所有的可 学习参数。权　利　要　求　书 2/2 页 3 CN 114897202 A 3