1.一种基于数据驱动的事件知识图谱改进方法，其特征在于，包括如下步骤：收集与事件知识图谱相关的数值数据，所述数值数据为从一个城市应急管理系统中收集的与事件相关的数值数据，数值数据包括事故类型、发生时间、地点、损失程度、响应时间，数值数据来源包括传感器日志、历史事故记录数据库和实时监控系统，对所述数值数据进行预处理；利用马尔可夫边界发现算法，从预处理后的数值数据中学习事件之间的直接因果关系，并构建事件因果关系集合；通过条件独立性检验方法筛选事件因果关系集合中的事件对，保留与目标事件具有直接因果关系的事件；采用因果强度计算公式，对筛选出的每对事件关系进行量化评估，计算得到每对事件之间的因果强度值；根据因果强度值对事件知识图谱中的事件三元组进行初步筛选，将因果强度值未达到预设阈值的事件三元组加入待验证集合；对所述待验证集合中的事件三元组，基于相关性检验方法计算显著性水平，若显著性水平满足预设阈值条件，则保留该事件三元组，否则从事件知识图谱中删除；在因果强度计算的基础上，补全预处理后的数值数据中存在显著因果关系但在事件知识图谱中缺失的事件对，生成补全的事件三元组；对补全的事件三元组进行双向因果强度验证，使补全关系在事件知识图谱中双向有效；将经过验证和补全后的事件三元组整合到原始事件知识图谱中，更新事件知识图谱，在城市风险监控平台中，使用改进后的事件知识图谱进行实时事件预测、故障诊断和应急响应；计算事件之间的因果强度值使用因果强度函数进行量化，其中：其中， 为事件 和直接因果相关事件 之间的因果强度值， 表示直接因果相关事件 对事件 的影响程度， 表示事件 对直接因果相关事件 的影响程度；事件三元组补全的条件为：其中， 表示事件 和直接因果相关事件 存在直接的因果关系， 为马尔可夫边界集合， 为因果强度阈值，决定是否补全 这个事件三元组。
2.如权利要求1所述的基于数据驱动的事件知识图谱改进方法，其特征在于，收集与事件知识图谱相关的数值数据，包括以下步骤：收集的数值数据包括事件属性、事件发生时间、事件频率以及事件间的关联性；将所收集的与事件相关的数值数据整合成数据矩阵，其中每一列表示一个事件属性，每一行表示一个事件记录，得到与事件知识图谱相关的数值数据。
3.如权利要求2所述的基于数据驱动的事件知识图谱改进方法，其特征在于，对所述数值数据进行预处理包括：对收集到的数值数据进行标准化、归一化及降噪处理。
4.如权利要求3所述的基于数据驱动的事件知识图谱改进方法，其特征在于，归一化处理通过最大最小值归一化公式进行，公式为：其中， 为归一化后的事件属性值， 为原始的事件属性值， 和 分别为原始的事件属性 的最大值和最小值。
5.如权利要求1所述的基于数据驱动的事件知识图谱改进方法，其特征在于，所述条件独立性检验满足以下条件时，事件对被认为存在直接因果关系：其中， 为在给定条件变量集合 的条件下，事件 和直接因果相关事件 同时发生的概率， 为在给定条件变量集合 的条件下，事件 发生的概率， 为在给定条件变量集合 的条件下，直接因果相关事件 发生的概率， 为条件独立性检验中使用的条件变量集合， 为事件， 是事件 的直接因果相关事件， 为事件 的属性或变量值， 为直接因果相关事件 的属性或变量值。
6.如权利要求1所述的基于数据驱动的事件知识图谱改进方法，其特征在于，所述相关性检验采用显著性水平计算公式：其中， 为事件 和直接因果相关事件 之间的相关性显著性检验的统计量， 为事件 中的一个变量值， 为直接因果相关事件 中的一个变量值， 为事件 中所有变量值的集合， 为直接因果相关事件 中所有变量值的集合， 为观测值， 为期望值。
7.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至6任一项所述基于数据驱动的事件知识图谱改进方法的步骤。
8.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1至6任一项所述基于数据驱动的事件知识图谱改进方法的步骤。
