1.一种基于公开信息的卫星任务挖掘预测方法，其特征在于，包括：步骤1、基于互联网中的公开信息及领域词库，通过提取模型，提取关于目标事件的结构化信息；所述提取模型包括第一模型及第二模型；所述第一模型，用于筛选出与卫星观测任务类型一致的事件；所述第二模型，用于进行事件提取，生成结构化信息；所述步骤1具体包括：步骤11、基于互联网中的公开信息，通过爬取程序，定时自动抓取预设范围的公开数据；步骤12、对于公开数据，通过数据清洗，去除无效信息；步骤13、对于数据清洗后的公开数据，通过自然语言处理方法进行分词；步骤14、对于分词后的公开数据，基于领域词库进行数据过滤，用于筛选出符合领域要求的数据；步骤15、对于数据过滤后的公开数据，通过第一模型，筛选出与卫星观测任务类型一致的事件；所述第一模型是文本分类模型；步骤16、对于所述事件，通过第二模型进行事件提取，得到结构化信息；所述第二模型是预训练模型；步骤2、基于所述结构化信息及事件知识图谱，通过关系模型，生成任务关联关系；所述关系模型包括第三模型及第四模型；所述第三模型，用于对所述结构化信息进行嵌入表示，得到目标事件的词向量；所述第四模型，用于获取目标事件的上下文特征；所述步骤2具体包括：步骤21、基于结构化信息及事件知识图谱，将目标事件与历史相似事件进行匹配；步骤22、基于事件知识图谱中的逻辑链路，进行事件关联查询分析，生成对目标事件的任务关联关系；所述步骤21具体包括：步骤211、针对所述结构化信息，通过第三模型进行嵌入表示，得到目标事件的词向量；所述第三模型是预训练模型；步骤212、基于嵌入表示后的结构化信息，通过第四模型获取目标事件的上下文特征；所述第四模型是神经网络模型；步骤213、基于所述词向量、所述上下文特征及事件知识图谱，通过相似度计算，将目标事件与事件知识图谱中的历史相似事件进行匹配；所述步骤22具体包括：步骤221、将事件的参与者、类型及触发词构建为事件描述，通过相似度计算，将目标事件的结构化信息匹配至事件知识图谱中最相似历史事件节点，得到所述目标事件相应最相似历史事件的触发词及实体列表；步骤222、基于所述触发词及实体列表,通过因果链路中的若干个因果关系及顺承链路中的若干个顺承关系进行推理，得到逻辑链路推理结果作为任务的关联关系；所述逻辑链路推理结果包括因果链路推理结果及顺承链路推理结果；所述因果链路推理结果是指根据触发词进行因果推理后，在实体列表中得到的实体信息；所述顺承链路推理结果是指根据触发词进行顺承推理后，在实体列表中得到的实体信息；步骤3、基于所述任务关联关系及卫星观测领域知识库，通过预测模型，预测卫星观测任务；所述预测模型包括第五模型及第六模型；所述第五模型，用于将卫星观测领域知识库中的每个实体提及映射至相应实体，扩充观测知识图谱；所述第六模型，用于从观测知识图谱中挖掘出目标事件的关联信息候选实体，并预测得到卫星观测任务。
2.根据权利要求1所述的方法，其特征在于，所述步骤3包括：步骤31、基于卫星观测领域知识库及任务关联关系，通过第五模型，扩充观测知识图谱；步骤32、基于任务关联关系及所述观测知识图谱，通过第六模型，预测卫星观测任务；所述第六模型为图神经网络，包括知识表示嵌入层、特征卷积层、注意力机制层及关联信息预测层。
3.根据权利要求2所述的方法，其特征在于，所述步骤31包括：步骤311、从卫星观测领域知识库的实体集合和文本集合中,识别出实体提及集合；步骤312、通过第五模型，将每个实体提及映射至相应实体；若某个实体提及不能映射至实体，则定义该实体提及为不可链接；所述第五模型包括候选实体生成模型、候选实体排名模型和不可链接提及预测模型。
4.根据权利要求3所述的方法，其特征在于，所述步骤32包括：步骤321、将任务关联关系及观测知识图谱中目标实体的属性信息、约束信息及辅助信息进行向量组织，通过特征向量计算转化为相应的多维矩阵；步骤322、将所述多维矩阵分别进行图神经卷积计算，得到语义表示；步骤323、通过注意力计算规则，计算某目标实体对辅助信息的注意力；步骤324、保留若干条关联信息记录组合，生成关联信息候选集；步骤325、基于所述关联信息候选集，通过多层感知机挖掘出目标事件的关联信息候选实体，预测得到卫星观测任务。
5.一种基于公开信息的卫星任务挖掘预测系统，其特征在于，包括数据提取模块，数据处理模块及结果生成模块：所述数据提取模块，包括提取模型及领域词库，基于互联网中的公开信息，提取关于目标事件的结构化信息；所述提取模型包括第一模型及第二模型；所述第一模型，用于筛选出与卫星观测任务类型一致的事件；所述第二模型，用于进行事件提取，生成结构化信息；具体过程包括：步骤11、基于互联网中的公开信息，通过爬取程序，定时自动抓取预设范围的公开数据；步骤12、对于公开数据，通过数据清洗，去除无效信息；步骤13、对于数据清洗后的公开数据，通过自然语言处理方法进行分词；步骤14、对于分词后的公开数据，基于领域词库进行数据过滤，用于筛选出符合领域要求的数据；步骤15、对于数据过滤后的公开数据，通过第一模型，筛选出与卫星观测任务类型一致的事件；所述第一模型是文本分类模型；步骤16、对于所述事件，通过第二模型进行事件提取，得到结构化信息；所述第二模型是预训练模型；所述数据处理模块，包括数据库、关联关系单元和观测任务单元：所述数据库，用于存储事件知识图谱、卫星观测领域知识库及观测知识图谱；所述关联关系单元，存储有关系模型；所述关系模型，基于所述结构化信息及事件知识图谱，生成任务关联关系；所述关系模型包括第三模型及第四模型：所述第三模型，用于对所述结构化信息进行嵌入表示，得到目标事件的词向量；所述第四模型，用于获取目标事件的上下文特征；具体过程包括：步骤21、基于结构化信息及事件知识图谱，将目标事件与历史相似事件进行匹配；步骤22、基于事件知识图谱中的逻辑链路，进行事件关联查询分析，生成对目标事件的任务关联关系；所述步骤21具体包括：步骤211、针对所述结构化信息，通过第三模型进行嵌入表示，得到目标事件的词向量；所述第三模型是预训练模型；步骤212、基于嵌入表示后的结构化信息，通过第四模型获取目标事件的上下文特征；所述第四模型是神经网络模型；步骤213、基于所述词向量、所述上下文特征及事件知识图谱，通过相似度计算，将目标事件与事件知识图谱中的历史相似事件进行匹配；所述步骤22具体包括：步骤221、将事件的参与者、类型及触发词构建为事件描述，通过相似度计算，将目标事件的结构化信息匹配至事件知识图谱中最相似历史事件节点，得到所述目标事件相应最相似历史事件的触发词及实体列表；步骤222、基于所述触发词及实体列表,通过因果链路中的若干个因果关系及顺承链路中的若干个顺承关系进行推理，得到逻辑链路推理结果作为任务的关联关系；所述逻辑链路推理结果包括因果链路推理结果及顺承链路推理结果；所述因果链路推理结果是指根据触发词进行因果推理后，在实体列表中得到的实体信息；所述顺承链路推理结果是指根据触发词进行顺承推理后，在实体列表中得到的实体信息；所述观测任务单元，存储有预测模型；所述预测模型，基于所述任务关联关系，预测卫星观测任务；所述预测模型包括第五模型及第六模型：所述第五模型，用于将卫星观测领域知识库中的每个实体提及映射至相应实体，扩充观测知识图谱，所述第五模型包括候选实体生成模型、候选实体排名模型和不可链接提及预测模型；所述第六模型为图神经网络，用于从观测知识图谱中挖掘出目标事件的关联信息候选实体，并预测得到卫星观测任务；所述结果生成模块，用于外发所述卫星观测任务。
6.一种基于公开信息的卫星任务挖掘预测装置，其特征在于，包括处理器、存储器及总线，所述存储器存储可由处理器读取的指令及数据，所述处理器用于调用所述存储器中的指令及数据，以执行如权利要求1~4中任一所述的方法，所述总线连接各功能部件之间传送信息。
