1.一种基于双重注意力机制的面向大坝应急工况事件抽取方法，其特征在于，基于图转换注意网络和注意力网络来挖掘句法关系，对大坝应急工况语料库进行事件论元角色抽取和填充，包括以下步骤：(1)数据预处理：包括对大坝应急工况语料库的标记处理以及将包含大坝应急工况事件信息的句子和文档进行编码；(2)构建依赖关系图：引入依赖关系，借助句子结构和语义结构构建依赖关系图，以识别和分类大坝应急工况事件的所有参数；(3)构建双重注意力网络：基于图转换注意网络生成新的依赖弧，并聚合节点信息，捕获长程依赖关系和潜在交互；然后，引入注意力网络，将图转换注意网络层和注意力网络层提取的特征按设定比例融合，捕捉句中关键的语义信息，抽取句子级事件论元；(4)文档级论元填充：检测大坝应急工况文档中具备关键事件的句子，利用孪生神经网络将周围句子中相似度最高的论元角色填充到关键事件缺失的部分。
2.根据权利要求1所述的基于双重注意力机制的面向大坝应急工况事件抽取方法，其特征在于，所述大坝应急工况语料库包括大坝历年专项检查报告和日常巡检报告。
3.根据权利要求1所述的基于双重注意力机制的面向大坝应急工况事件抽取方法，其特征在于，所述步骤(1)中数据预处理的具体步骤如下：采用BIO模式将大坝专项检查报告和日常巡检报告的数据进行标注；用ALBERT模型最后一层312维向量作为词嵌入向量，串联事件类型嵌入向量、实体类型嵌入向量和词性标注嵌入向量；通过双向长短记忆网络挖掘串联后的嵌入向量，得到隐藏向量H＝h 1 ,...,h n 。
4.根据权利要求1所述的基于双重注意力机制的面向大坝应急工况事件抽取方法，其特征在于，所述步骤(2)中构建依赖关系图的具体步骤如下：根据大坝应急工况语料库中的单词关系构建依赖树的邻接矩阵A d 和依赖标签分数矩阵 通过计算步骤(1)获得的隐藏向量h i 和h j 之间分数得到语义分数矩阵A s ；将A d 、 A s 串联得到依赖关系图矩阵
5.根据权利要求1所述的基于双重注意力机制的面向大坝应急工况事件抽取方法，其特征在于，所述步骤(3)中构建双重注意力网络的具体步骤如下：提出图转换注意网络，将图卷积网络替换为图注意网络，进行合理的权重分配；图转换注意网络通过图转换器层对邻接矩阵A集合采用1×1卷积，通过矩阵相乘生成新的元路径图A l ；图注意层对元路径图A l 每个通道应用图注意网络，并将多个节点表示串联为Z向量；计算注意力网络层权重矩阵α a ，将α a 点乘隐藏向量H生成向量 用超参数λ连接图转换注意网络层生成的Z向量和注意力网络层生成的 向量得到融合向量 融合公式如下：其中，σ是sigmoid函数。
6.根据权利要求1所述的基于双重注意力机制的面向大坝应急工况事件抽取方法，其特征在于，所述步骤(4)中文档级论元填充的具体步骤如下：将大坝专项检查报告和日常巡检报告的论元标签、实体类型、句子信息和文档信息四种嵌入向量进行串联；建立文本卷积神经网络，将串联后的向量作为输入向量，检测事件中关键句子并判别关键事件；使用基于曼哈顿长短记忆网络的孪生神经网络，计算句子间语义相似性，进行论元角色填充。
7.根据权利要求1所述的基于双重注意力机制的面向大坝应急工况事件抽取方法，其特征在于，所述应急工况指的是：大坝在自然灾害下的工作状态。
8.一种基于双重注意力机制的面向大坝应急工况事件抽取系统，其特征在于，包括以下模块：(1)数据预处理模块：包括对大坝应急工况语料库的标记处理以及将包含大坝应急工况事件信息的句子和文档进行编码；(2)构建依赖关系图模块：引入依赖关系，借助句子结构和语义结构构建依赖关系图，以识别和分类大坝应急工况事件的所有参数；(3)构建双重注意力网络模块：基于图转换注意网络生成新的依赖弧，并聚合节点信息，捕获长程依赖关系和潜在交互；然后，引入注意力网络，将图转换注意网络层和注意力网络层提取的特征按设定比例融合，捕捉句中关键的语义信息，抽取句子级事件论元；(4)文档级论元填充模块：检测大坝应急工况文档中具备关键事件的句子，利用孪生神经网络将周围句子中相似度最高的论元角色填充到关键事件缺失的部分。
9.一种计算机设备，其特征在于：该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行上述计算机程序时实现如权利要求1-7中任一项所述的基于双重注意力机制的面向大坝应急工况事件抽取方法。
10.一种计算机可读存储介质，其特征在于：该计算机可读存储介质存储有执行如权利要求1-7中任一项所述的基于双重注意力机制的面向大坝应急工况事件抽取方法的计算机程序。
