本技术涉及知识图谱构建，尤其涉及火灾知识图谱构建方法、装置、设备及存储介质。
背景技术：
1、随着机器人技术的不断发展和成熟，机器人技术被广泛应用于各行各业，其中包括风险高、复杂度高的应急救灾领域。在面对错综复杂、高风险的火场环境时，机器人的自主决策发挥着至关重要的作用，知识图谱作为人工智能领域新兴的技术之一，在火灾场景中发挥着关键作用，它能够帮助机器人更好地理解和推理实体之间的关系，做出自主决策。其中，针对火灾知识自动构建火灾领域知识图谱，设计无人系统高效的推理方法，在复杂恶劣的火灾环境中实现推理，拥有广阔的研究与应用前景。
2、然而，领域知识图谱的许多应用场景是极为谨慎和严肃的，因此对知识的质量要求极高。这意味着在构建过程中十分依赖专家的参与，需要人力手动构建，导致火灾环境中知识图谱的自动化构建程度相对较低，进而影响机器人进行火灾救援的效率。
3、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本技术的主要目的在于提供一种火灾知识图谱构建方法、装置、设备及存储介质，旨在解决现有技术中火灾环境中知识图谱的自动化构建程度较低，影响机器人进行火灾救援的效率的技术问题。
2、为实现上述目的，本技术提出一种火灾知识图谱构建方法，所述的方法包括：
3、对火灾语料库进行命名实体标注，并基于标注后的火灾语料库获得火灾实体数据集；其中，所述火灾实体数据集中命名实体对应的字符表示向量由所述命名实体中字符的字符向量和所述字符对应的动态标签向量构成；
4、通过预设命名实体识别模型确定所述火灾实体数据集中所有实体对对应的实体关系；
5、基于所述火灾实体数据集和所述实体关系构建火灾知识三元组；
6、基于所述火灾知识三元组构建火灾知识图谱。
7、在一实施例中，所述对火灾语料库进行命名实体标注，并基于标注后的火灾语料库获得火灾实体数据集的步骤，包括：
8、采用bio标注方法对火灾语料库进行命名实体标注，获得标注后的火灾语料库，所述标注后的火灾语料库为标注有命名实体的起始字符、中间与结束字符，以及非命名实体字符的火灾语料库；
9、基于所述标注后的火灾语料库确定初始标签权重向量集；
10、根据所述初始标签权重向量集对所述标注后的火灾语料库中所有字符的标签向量进行动态调整，获得所述字符对应的动态标签向量；
11、对所述字符的字符向量和所述动态标签向量进行拼接，获得字符表示向量；
12、基于所述字符表示向量确定所述标注后的火灾语料库中的命名实体，以基于所述命名实体获得火灾实体数据集。
13、在一实施例中，所述根据所述初始标签权重向量集对所述标注后的火灾语料库中所有字符的标签向量进行动态调整，获得所述字符对应的动态标签向量的步骤，包括：
14、从所述初始标签权重向量集中查找所述标注后的火灾语料库中目标字符的初始标签向量；
15、确定所述初始标签向量的第一标签和第二标签的标签权重和；
16、判断所述标签权重和是否小于非实体标签阈值；
17、若是，则将所述标注后的火灾语料库中所述目标字符之后且与所述目标字符相邻的字符确定为新的目标字符，并返回至所述从所述初始标签权重向量集中查找所述标注后的火灾语料库中目标字符的初始标签向量的步骤；
18、或，若否，则将所述目标字符对应的实体的实体长度与目标值进行比较；
19、基于比较结果对所述标注后的火灾语料库中所有字符的标签向量进行动态调整，获得所述字符对应的动态标签向量。
20、在一实施例中，所述基于比较结果对所述标注后的火灾语料库中所有字符的标签向量进行动态调整，获得所述字符对应的动态标签向量的步骤，包括：
21、若所述目标字符对应的实体的实体长度为目标值，则将所述目标字符的标签确定为所述第一标签，并将所述初始标签向量中所述第二标签的位置进行置零处理；
22、将所述第一标签的第一权重和与所述非实体标签阈值进行比较；
23、若所述第一权重和小于所述非实体标签阈值，则返回至所述将所述标注后的火灾语料库中所述目标字符之后且与所述目标字符相邻的字符确定为新的目标字符的步骤；
24、或，若所述目标字符对应的实体的实体长度大于目标值，则确定所述目标字符的长度权重，并基于所述长度权重对所述目标字符的标签向量进行动态调整，获得所述字符对应的动态标签向量。
25、在一实施例中，所述通过预设命名实体识别模型确定所述火灾实体数据集中所有实体对对应的实体关系的步骤，包括：
26、通过预设命名实体识别模型确定所述火灾实体数据集中头实体的第一开始位置和第一结束位置，以及尾实体的第二开始位置和第二结束位置；
27、基于所述第一开始位置、所述第一结束位置、所述第二开始位置和所述第二结束位置构建所述火灾实体数据集中实体对的实体对向量；
28、将所述实体对向量输入至全连接层，以确定所述火灾实体数据集中所有实体对对应的实体关系。
29、在一实施例中，所述基于所述火灾知识三元组构建火灾知识图谱的步骤，包括：
30、确定所述火灾知识三元组中的头实体出现频率以及实体对共现频率；其中，所述头实体出现频率为所述火灾实体数据集中的实体作为头实体出现的频率，所述实体对共现频率为所述火灾实体数据集中头实体和尾实体共同出现的频率；
31、根据所述头实体出现频率和所述实体对共现频率确定所述实体对的概率性；
32、确定所述火灾知识三元组中的尾实体出现频率；其中，所述尾实体出现频率为所述火灾实体数据集中的实体作为尾实体出现的频率；
33、根据所述尾实体出现频率和所述实体对共现频率确定所述实体对的特异性；
34、基于所述概率性、所述特异性和所述火灾知识三元组构建火灾知识图谱。
35、在一实施例中，所述基于所述火灾知识三元组构建火灾知识图谱的步骤之后，还包括：
36、构建所述火灾知识图谱确定火灾场景下的执行任务的决策多项式；
37、基于所述决策多项式构建决策权重策略树；
38、判断所述决策权重策略树中的目标火灾实体在所述火灾知识图谱中是否存在关联；
39、若存在，则确定所述目标火灾实体之间的关联权重值；
40、基于所述关联权重值确定最优实体组合，并基于所述最优实体组合生成火灾救援方案。
41、此外，为实现上述目的，本技术还提出一种火灾知识图谱构建装置，所述装置包括：
42、实体标注模块，用于对火灾语料库进行命名实体标注，并基于标注后的火灾语料库获得火灾实体数据集；其中，所述火灾实体数据集中命名实体对应的字符表示向量由所述命名实体中字符的字符向量和所述字符对应的动态标签向量构成；
43、实体关系确定模块，用于通过预设命名实体识别模型确定所述火灾实体数据集中所有实体对对应的实体关系；
44、三元组构建模块，用于基于所述火灾实体数据集和所述实体关系构建火灾知识三元组；
45、知识图谱构建模块，用于基于所述火灾知识三元组构建火灾知识图谱。
46、此外，为实现上述目的，本技术还提出一种火灾知识图谱构建设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的火灾知识图谱构建方法的步骤。
47、此外，为实现上述目的，本技术还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的火灾知识图谱构建方法的步骤。
48、本技术提供了一种火灾知识图谱构建方法，本技术公开了对火灾语料库进行命名实体标注，并基于标注后的火灾语料库获得火灾实体数据集；其中，火灾实体数据集中命名实体对应的字符表示向量由命名实体中字符的字符向量和字符对应的动态标签向量构成；通过预设命名实体识别模型确定火灾实体数据集中所有实体对对应的实体关系；基于火灾实体数据集和实体关系构建火灾知识三元组；基于火灾知识三元组构建火灾知识图谱；相较于现有技术中领域知识图谱需要人力手动构建，导致火灾环境中知识图谱的自动化构建程度相对较低，由于本发明基于火灾实体数据集和该火灾实体数据集中所有实体对的实体关系构建火灾知识三元组，并基于火灾知识三元组实现火灾知识图谱的自动化构建，从而解决了现有技术中火灾环境中知识图谱的自动化构建程度较低，影响机器人进行火灾救援的效率的技术问题。
1.一种火灾知识图谱构建方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述对火灾语料库进行命名实体标注，并基于标注后的火灾语料库获得火灾实体数据集的步骤，包括：
3.如权利要求2所述的方法，其特征在于，所述根据所述初始标签权重向量集对所述标注后的火灾语料库中所有字符的标签向量进行动态调整，获得所述字符对应的动态标签向量的步骤，包括：
4.如权利要求3所述的方法，其特征在于，所述基于比较结果对所述标注后的火灾语料库中所有字符的标签向量进行动态调整，获得所述字符对应的动态标签向量的步骤，包括：
5.如权利要求1至4中任一项所述的方法，其特征在于，所述通过预设命名实体识别模型确定所述火灾实体数据集中所有实体对对应的实体关系的步骤，包括：
6.如权利要求5所述的方法，其特征在于，所述基于所述火灾知识三元组构建火灾知识图谱的步骤，包括：
7.如权利要求1所述的方法，其特征在于，所述基于所述火灾知识三元组构建火灾知识图谱的步骤之后，还包括：
8.一种火灾知识图谱构建装置，其特征在于，所述装置包括：
9.一种火灾知识图谱构建设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至7中任一项所述的火灾知识图谱构建方法的步骤。
10.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的火灾知识图谱构建方法的步骤。
