应急预案流程图谱自动建模方法及其在场景式诊断中的应用

Emergency plan defines activities and regulations in the complete lifecycle of handling emergencies. It occupies the core status in Chinese emergency management system characterized by so-called “one-plan-three-systems”, and is an important factor in determining the effectiveness of emergency response. Until recently, more than millions of emergency plans of various levels and catalogues have been compiled. However, the qualities of single plans and the whole plan system have yet to be improved. Based on the investigation of the current emergency management situation of the country, this proposal will carry out systematic researches on automatic scenario-specific diagnosis of emergency plans, which can provide an efficient, systematic and fine-grained way to improve the quality of masses of emergency plans. More specifically, a novel emergency plan model, named as Process Graph, will be designed to give a formulized representation of both emergency disposal process embedded in emergency plan and the domain knowledge of emergency management. Then, information extraction approaches will be proposed to extract structured information from textual emergency plan, such that process graph models can be built for each emergency plans. Finally, reasoning strategies in process graph will be implemented and leveraged for automatic scenario-specific emergency plan diagnosis. The proposal aims to apply natural language processing and big data techniques to real problems in emergency management. The research results are helpful in improving quality of the whole emergency plan system, meanwhile enriching the formalism of domain-specific process-embedded text, such as emergency plans, cookbooks, travel guides and etc.

应急预案是为了有效应对突发事件所编制的全周期活动和制度，居于我国“一案三制”应急管理体系的核心位置，是决定突发事件处置效果的关键因素之一。虽然我国目前已经编制了百万量级的各级各类应急预案，但是应急预案的个体质量和体系结构还存在很多不足。本项目将结合我国应急管理的新形势，研究应急预案的场景式自动诊断方法，提升应急预案评价的高效化、系统化和精细化。具体而言，首先针对应急预案自身所具有的流程特征和海量应急预案中所蕴含的应急管理领域知识，提出一种新的应急预案模型——流程图谱；之后在流程图谱框架下，设计文本信息抽取方法，实现文本应急预案的全局自动建模；最后基于流程图谱的推理机制实现面向场景的应急预案自动诊断。本项目旨在综合应用自然语言处理、大数据等技术手段解决应急管理领域的现实问题，一方面有助于提升我国应急预案体系的整体质量，另一方面丰富了以应急预案为代表的流程化领域文本的形式化分析手段。

应急预案作为我国“一案三制”应急管理体系的重要组成部分，对突发事件的快速有效处置具有决定性的影响。虽然我国应急预案体系建设已经取得了显著成效，但是应急预案的整体质量还存在较大改进空间。针对这一问题，本项目以提升我国应急预案评价的高效化、系统化和精细化为目标，在应急预案结构化信息抽取、应急处置流程知识建模、应急预案诊断与优化生成三方面开展了系统研究。. 在应急预案结构化信息抽取方面，从应急预案所具有的领域化、流程化和文本化的特点着手，分别研究了流程化领域文本中文分词、过程案例信息抽取、应急组织机构实体及关系抽取、应急处置流程抽取等关键任务，构建了较为完整的应急预案结构化信息抽取方法体系，实现了将文本形式的应急预案转换为形式化的业务过程模型，以之作为应急预案分析与诊断的基础。. 在应急处置流程知识建模方面，将自然语言处理、深度学习、形式化分析等领域的技术手段进行结合与发展，在应急处置任务表示学习、应急处置流程执行时间预测、应急处置角色分析与识别、应急响应任务级别识别等多个任务上开展了深入研究，从多个维度对应急处置流程知识进行建模与分析。.在应急预案诊断与优化生成方面，从应急任务间的递进性、描述完整性等多个角度设计了应急预案文本质量评价指标，并通过描述文本与流程模型的对齐实现过程文本质量诊断。在此基础上，研究了面向“非常规突发事件”的应急预案自动生成方法，通过挖掘历史应急预案为新出现的特殊突发事件快速生成可行的应急预案，同时提供了基于自然语言的便捷人机接口。. 本项目的理论成果广泛适用于各领域的应急预案分析与诊断任务，对于提升我国各级政府和企事业单位的应急预案质量具有重要价值。同时，相关理论方法可以为应急预案等各类流程化领域文本的检索、推荐等智能化应用提供基础支持，也在一定程度上推进了自然语言处理和形式化分析等领域的研究前沿。