(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 202210080242.0 (22)申请日 2022.01.24 (71)申请人 京东城市 （北京） 数字科技有限公司 地址 100086 北京市海淀区知春路76号(写 字楼)1号楼 9层1-7-5号 (72)发明人 任朝淦　张钧波　郑宇　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 杜月 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/216(2020.01) G06F 40/242(2020.01) G06F 40/289(2020.01) G06K 9/62(2022.01) (54)发明名称 事件的处理方法、 装置、 计算机设备及存储 介质 (57)摘要 本公开公开了一种事件的处理方法、 装置、 计算机设备及存储介质， 实现方案为： 确定待处 理事件对应的第一向量及预设的事件图谱中每 个参考事件对应的第二向量； 根据第一向量、 第 二向量间的相似度， 从事件图谱中确定出与待处 理事件相关的各个 关联事件； 根据第一向量分别 与每个关联事件对应的第二向量间的相似度， 确 定待处理事件与每个关联事件间的各个转移概 率； 根据各个转移概率及每个关联事件对应的标 签向量， 确定待处理事件对应的类型标签。 由此， 通过结合待处理事件的语义信息、 与每个关联事 件间的各个转移概率及各个关联事件对应的标 签向量确定待处理事件对应的类型标签， 从而不 仅提高了事件处置建议的合理性和可靠性， 而且 降低了事 件处理成本。 权利要求书5页 说明书14页 附图4页 CN 114528412 A 2022.05.24 CN 114528412 A 1.一种事 件的处理方法， 其特 征在于， 包括： 确定待处 理事件对应的第一向量及预设的事 件图谱中每 个参考事件对应的第二向量； 根据所述第 一向量与每个所述第 二向量间的相似度， 从所述事件图谱中确定出与 所述 待处理事件相关的各个关联事 件； 根据所述第 一向量分别与每个所述关联事件对应的第 二向量间的相似度， 确定所述待 处理事件与每个所述关联事 件间的转移概 率； 根据各个所述转移概率及每个所述关联事件对应的标签向量， 确定所述待处理事件对 应的类型 标签。 2.如权利要求1所述的方法， 其特征在于， 所述确定待处理事件对应的第 一向量及预设 的事件图谱中每 个参考事件对应的第二向量， 包括： 获取第一描述文本集， 其中， 所述第一描述文本集中包括多个第一描述文本， 其中， 每 个第一描述文本对应一个历史事 件； 对所述第一描述文本集中的多个第 一描述文本分别进行分词处理， 以获取分词集及所 述分词集中每个第一分词在第一描述文本集中出现的频率， 其中， 所述分词集中包括所述 多个历史第一描述文本中出现的各个第一分词； 根据所述每 个第一分词在所述第一描述文本集中出现的频率， 确定词概 率字典； 基于所述词概率字典， 确定所述待处理事件对应的第 一向量及每个所述参考事件对应 的第二向量。 3.如权利要求2所述的方法， 其特征在于， 所述基于所述词概率字典， 确定所述待处理 事件对应的第一向量及每 个所述参考事件对应的第二向量， 包括： 遍历所述词概率字典， 以确定所述待处理事件对应的第 二描述文本 中每个第 二分词对 应的词概 率、 及每个所述参考事件对应的第三描述文本中每 个第三分词对应的词概 率； 根据所述每个第 二分词对应的词概率、 每个第 二分词对应的词向量及所述历史事件的 数量， 确定所述待处 理事件对应的第一向量； 根据所述每个第 三分词对应的词概率、 每个第 三分词对应的词向量及所述历史事件的 数量， 确定所述 参考事件对应的第二向量。 4.如权利要求1所述的方法， 其特征在于， 所述根据 所述第一向量与每个所述第 二向量 间的相似度， 从所述事 件图谱中确定出与所述待处 理事件相关的各个关联事 件， 包括： 将与所述待处理事件 间的相似度大于阈值的参考事件， 确定为与所述待处理事件相关 的关联事 件。 5.如权利要求1所述的方法， 其特征在于， 所述根据 所述第一向量分别与每个所述关联 事件对应的第二向量间的相似度， 确定所述待处理事件与每个所述关联事件间的转移概 率， 包括： 确定所述第一向量与每 个所述关联事 件对应的第二向量间的相似度的和； 根据所述待处理事件与每个所述关联事件间的相似度、 及所述相似度的和， 确定从所 述待处理事件到每个所述关联事 件的转移概 率。 6.如权利要求1 ‑5任一所述的方法， 其特征在于， 在所述根据 各个所述转移概率及每个 所述关联事 件对应的标签向量， 确定所述待处 理事件对应的类型 标签之前， 还 包括： 获取事件标签矩阵， 其中， 所述标签矩阵中每个行向量为一个参考事件对应的标签向权　利　要　求　书 1/5 页 2 CN 114528412 A 2量， 每个列向量对应一种类型 标签； 根据所述标签矩阵中各行向量与参考事件的对应关系， 确定每个所述关联事件对应的 标签向量。 7.如权利要求6所述的方法， 其特 征在于， 所述获取事 件标签矩阵， 包括： 获取多个历史事件， 其中， 所述多个历史事件中包括多个有标注类型标签的第一历史 事件及多个无 标注类型 标签的第二历史事 件； 根据每个所述第 一历史事件对应的标注类型标签及预设的初始化类型标签， 确定初始 标签矩阵， 其中， 所述初始标签矩阵中包括S行C列， 其中S为所述多个历史事件的数量， C为 所述标注类型 标签的数量与所述初始化类型 标签的数量和； 根据所述多个历史事件分别对应的多个第 三向量间的相似度， 确定所述多个历史事件 对应的转移矩阵， 其中， 所述转移矩阵中包括S行S列， 其中， 所述转移矩阵中每行的元素和 为1； 基于所述 转移矩阵， 将所述初始标签矩阵进行 更新， 以获取第一标签矩阵； 在所述第一标签矩阵中每个第一历史事件对应的行向量表征的类型标签与标注类型 标签均一致、 且各个第二历史事件标签对应行向量表征的的类型标签与初始 化类型标签均 一致的情况 下， 确定所述第一标签矩阵为所述事 件标签矩阵。 8.如权利要求7 所述的方法， 其特 征在于， 在所述获取第一标签矩阵之后， 还 包括： 在所述第一标签矩阵中任一第一历史事件对应的行向量表征的类型标签与标注类型 标签不一致的情况下， 利用所述任一第一历史事件对应的标注类型标签向量替换所述第一 标签矩阵中的对应的行向量， 以生成第二标签矩阵； 基于所述转移矩阵， 重复执行所述将标签矩阵进行更新的操作， 直至更新后的标签矩 阵与更新前的标签矩阵相同， 或者达到预设的更新次数， 将更新后的标签矩阵， 确定为所述 事件标签矩阵。 9.如权利要求6所述的方法， 其特征在于， 所述根据 各个所述转移概率及所述每个所述 关联事件对应的标签向量， 确定所述待处 理事件对应的类型 标签， 包括： 根据各个转移概率及所述各个关联事件对应的标签向量， 确定所述待处理事件对应的 类型标签向量； 根据所述类型标签向量中各个元素的取值及所述类型标签向量中各个元素对应的类 型标签， 确定所述待处 理事件对应的类型 标签。 10.如权利要求6所述的方法， 其特征在于， 在所述确定所述待处理事件对应的类型标 签之后， 还 包括： 输出所述待处 理事件对应的类型 标签； 在接收到类型标签修改指令的情况下， 根据 所述修改指令 中的类型标签更新所述待处 理事件的类型 标签； 根据更新后的所述待处 理事件对应的类型 标签， 更新所述事 件标签矩阵。 11.如权利要求1 ‑5任一所述的方法， 其特征在于， 在所述确定所述待处理事件与每个 所述关联事 件间的转移概 率之后， 还 包括： 基于所述待处理事件及所述待处理事件与每个所述关联事件 间的转移概率， 更新所述 预设的事 件图谱。权　利　要　求　书 2/5 页 3 CN 114528412 A 3