知識(shí)圖譜在裝備大數(shù)據(jù)上的典型應(yīng)用

◆韓戈白 楊紹雄 王 博 陳 迪

（中國(guó)電子科技集團(tuán)公司第二十八研究所 江蘇 210000）

裝備大數(shù)據(jù)是指關(guān)于裝備日常管理及任務(wù)產(chǎn)生的各種數(shù)據(jù)的集合，它具有大數(shù)據(jù)的典型特征，并且還體現(xiàn)出了裝備類型多、業(yè)務(wù)種類繁雜和裝備用戶多的特點(diǎn)。隨著信息化程度的逐漸加深，裝備大數(shù)據(jù)日漸龐大和復(fù)雜，而現(xiàn)階段使用的傳統(tǒng)文件存儲(chǔ)和關(guān)鍵字查詢的方式已不能滿足日常辦公復(fù)雜性、及時(shí)性的需要，急需提高裝備數(shù)據(jù)的管理和使用效率。

知識(shí)圖譜是一種研究數(shù)據(jù)之間關(guān)聯(lián)關(guān)系的新興技術(shù)，能有效地展現(xiàn)錯(cuò)綜復(fù)雜數(shù)據(jù)之間的各種關(guān)聯(lián)關(guān)系，清晰地表達(dá)數(shù)據(jù)的知識(shí)結(jié)構(gòu)，讓使用者對(duì)數(shù)據(jù)本身能有全面而深入的認(rèn)識(shí)。針對(duì)裝備大數(shù)據(jù)展現(xiàn)出來(lái)的特點(diǎn)，本文構(gòu)建了知識(shí)圖譜在裝備大數(shù)據(jù)上的典型應(yīng)用。

1 裝備大數(shù)據(jù)特點(diǎn)以及知識(shí)圖譜技術(shù)

1.1 裝備大數(shù)據(jù)的特點(diǎn)

裝備業(yè)務(wù)大數(shù)據(jù)除了具有傳統(tǒng)大數(shù)據(jù)的五個(gè)“V”的特點(diǎn)[1]之外，還具備裝備類型多、業(yè)務(wù)種類繁雜和裝備用戶多的特點(diǎn)。

裝備管理以裝備為核心，涉及裝備、人員、機(jī)構(gòu)、器材、設(shè)備和工具等諸多管理要素，裝備管理實(shí)體具有類型多、數(shù)量大和關(guān)系復(fù)雜的特點(diǎn)。根據(jù)裝備管理?xiàng)l例，裝備管理的目標(biāo)是實(shí)現(xiàn)裝備全壽命、全系統(tǒng)管理，涵蓋裝備從研發(fā)直至報(bào)廢的全系統(tǒng)、全壽命、全要素的裝備管理活動(dòng)，業(yè)務(wù)種類繁多。而裝備管理用戶包括與裝備全要素相關(guān)聯(lián)的各級(jí)部門機(jī)構(gòu)用戶和生產(chǎn)單位用戶，涉及部門類型多，用戶數(shù)量較大。

1.2 知識(shí)圖譜技術(shù)

近年來(lái)，為了應(yīng)對(duì)與日俱增的網(wǎng)絡(luò)數(shù)據(jù)，各大搜索引擎公司相繼以包含各種實(shí)體和實(shí)體關(guān)系的數(shù)據(jù)萬(wàn)維網(wǎng)為基礎(chǔ)來(lái)構(gòu)建知識(shí)圖譜，旨在改進(jìn)引擎搜索質(zhì)量，進(jìn)而拉開(kāi)語(yǔ)義搜索的序幕[6，9]。知識(shí)圖譜旨在通過(guò)圖結(jié)構(gòu)描述真實(shí)世界中的實(shí)體和概念，以一個(gè)全局唯一的標(biāo)識(shí)符來(lái)表示每個(gè)實(shí)體，以多組屬性-值對(duì)來(lái)描述實(shí)體的內(nèi)在特征，以關(guān)聯(lián)關(guān)系來(lái)連接兩個(gè)實(shí)體。因此，知識(shí)圖譜從宏觀上形成了巨大的圖結(jié)構(gòu)，圖中的節(jié)點(diǎn)表示實(shí)體，邊表示關(guān)系或者實(shí)體屬性[9]。

除了在輔助搜索引擎時(shí)有重大作用之外，知識(shí)圖譜在金融領(lǐng)域應(yīng)用廣泛，包括反欺詐、風(fēng)險(xiǎn)控制及評(píng)估和企業(yè)社交等方面。隨著知識(shí)圖譜技術(shù)的成熟和普及，知識(shí)圖譜在越來(lái)越多的領(lǐng)域展現(xiàn)了其聯(lián)系萬(wàn)物的優(yōu)勢(shì)[2-5]。

1.3 構(gòu)建基于裝備大數(shù)據(jù)知識(shí)圖譜面臨的問(wèn)題

裝備大數(shù)據(jù)知識(shí)圖譜具有數(shù)據(jù)構(gòu)成復(fù)雜以及知識(shí)體系特殊的特點(diǎn)。區(qū)別于傳統(tǒng)真實(shí)世界知識(shí)圖譜的自然文本輸入，裝備大數(shù)據(jù)知識(shí)圖譜的輸入數(shù)據(jù)一部分來(lái)自已經(jīng)結(jié)構(gòu)化的業(yè)務(wù)系統(tǒng)數(shù)據(jù)等，一部分來(lái)自半結(jié)構(gòu)化、非結(jié)構(gòu)化的具有高度規(guī)則的文檔數(shù)據(jù)和一些圖片、音視頻數(shù)據(jù)。同時(shí)，裝備大數(shù)據(jù)知識(shí)圖譜包含高度領(lǐng)域化的實(shí)體及實(shí)體關(guān)系，屬于典型的特殊領(lǐng)域知識(shí)圖譜。因此，傳統(tǒng)的面向自然文本的知識(shí)圖譜構(gòu)建技術(shù)并不完全適用，需要研究適應(yīng)于裝備大數(shù)據(jù)結(jié)構(gòu)和特點(diǎn)的知識(shí)圖譜構(gòu)建技術(shù)。

1.4 構(gòu)建裝備大數(shù)據(jù)知識(shí)圖譜的目標(biāo)

通過(guò)構(gòu)建基于裝備大數(shù)據(jù)的知識(shí)圖譜，可以提高數(shù)據(jù)管理統(tǒng)籌能力，解決數(shù)據(jù)利用率低的問(wèn)題?；谘b備大數(shù)據(jù)的知識(shí)圖譜可以將多領(lǐng)域、多形態(tài)的數(shù)據(jù)層層分解并關(guān)聯(lián)起來(lái)，將以往長(zhǎng)期的、離散的、分段的、不同層面的數(shù)據(jù)整合起來(lái)，共同反映裝備工作的整體面貌。

其次，面對(duì)多變的業(yè)務(wù)需求，知識(shí)圖譜可以提高決策支持的適用范圍。在實(shí)際使用中，裝備決策問(wèn)題根據(jù)不同的環(huán)境條件而改變，不同的時(shí)期又有不同的決策重點(diǎn)。同時(shí)，裝備管理的精細(xì)化程度逐漸提高，針對(duì)細(xì)粒度的裝備決策難度上升。通過(guò)知識(shí)圖譜，可以從最基本的單個(gè)裝備出發(fā)，從不同的關(guān)系延伸組合出不同切面的關(guān)系網(wǎng)絡(luò)，以支撐多變的決策要求[4]。

2 裝備大數(shù)據(jù)知識(shí)圖譜構(gòu)建及典型應(yīng)用

2.1 知識(shí)圖譜構(gòu)建總體流程

圖1 知識(shí)圖譜構(gòu)建流程

基于裝備大數(shù)據(jù)的知識(shí)圖譜構(gòu)建流程如上圖1所示，針對(duì)裝備大數(shù)據(jù)中的結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)將采用不同的策略進(jìn)行實(shí)體關(guān)系提取。

對(duì)于結(jié)構(gòu)化數(shù)據(jù)，基礎(chǔ)數(shù)據(jù)倉(cāng)庫(kù)中的各種對(duì)象數(shù)據(jù)表都是較好的實(shí)體表達(dá)，可直接用作實(shí)體的載體。而實(shí)體之間的關(guān)系并沒(méi)有清晰的信息載體，需要通過(guò)一定的技術(shù)手段進(jìn)行提取和構(gòu)建。

對(duì)于半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，尤其是針對(duì)特定領(lǐng)域并且高度規(guī)整的數(shù)據(jù)，可以直接使用準(zhǔn)確率相當(dāng)優(yōu)秀的現(xiàn)有提取模型進(jìn)行信息提取。

將兩部分?jǐn)?shù)據(jù)中提取的知識(shí)進(jìn)行知識(shí)融合之后，經(jīng)過(guò)知識(shí)質(zhì)量評(píng)估，并組織成為一定的知識(shí)表示形式即可形成知識(shí)庫(kù)[3]。

2.2 構(gòu)建過(guò)程中的難點(diǎn)分析

鑒于裝備大數(shù)據(jù)的數(shù)據(jù)本身體現(xiàn)出來(lái)的特點(diǎn)，構(gòu)建基于裝備大數(shù)據(jù)的知識(shí)圖譜的難點(diǎn)主要集中在針對(duì)結(jié)構(gòu)化數(shù)據(jù)的實(shí)體關(guān)系提取和從不同數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)源提取得到的知識(shí)之間的知識(shí)融合兩個(gè)方面。

2.3 結(jié)構(gòu)化數(shù)據(jù)的實(shí)體關(guān)系提取

在實(shí)體提取階段，面對(duì)大量的結(jié)構(gòu)化的數(shù)據(jù)庫(kù)，如何去除冗余信息，提取所需要的實(shí)體信息是關(guān)鍵；在關(guān)系提取階段，傳統(tǒng)的自然文本可以從關(guān)鍵詞及其語(yǔ)義信息等上下文信息確定實(shí)體關(guān)系，但是從結(jié)構(gòu)化的數(shù)據(jù)中，尤其是數(shù)據(jù)庫(kù)表中產(chǎn)生實(shí)體關(guān)系就缺少了理論依據(jù)和標(biāo)準(zhǔn)方法。經(jīng)過(guò)對(duì)裝備大數(shù)據(jù)中數(shù)據(jù)組織與知識(shí)展現(xiàn)方式的觀察，裝備大數(shù)據(jù)知識(shí)圖譜中的實(shí)體關(guān)系可來(lái)源于以下幾個(gè)方面：

（1）數(shù)據(jù)庫(kù)外鍵?；A(chǔ)數(shù)據(jù)倉(cāng)庫(kù)的外鍵很有可能就是實(shí)體之間的關(guān)聯(lián)關(guān)系的體現(xiàn)，但并不是所有的外鍵都適合作為關(guān)系，需要人工經(jīng)驗(yàn)的識(shí)別、篩選。

（2）業(yè)務(wù)系統(tǒng)數(shù)據(jù)。業(yè)務(wù)系統(tǒng)中的某些數(shù)據(jù)與知識(shí)圖譜中的關(guān)系含義高度相符，可以從業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)表及其外鍵產(chǎn)生實(shí)體關(guān)系。

（3）關(guān)系表。部分業(yè)務(wù)系統(tǒng)中為了表達(dá)特定數(shù)據(jù)的多對(duì)多關(guān)系，構(gòu)建了專門的關(guān)系表，可以從該關(guān)系表中快速提取實(shí)體關(guān)系信息。

（4）人工經(jīng)驗(yàn)指導(dǎo)生產(chǎn)。由專業(yè)人士指導(dǎo)生成領(lǐng)域內(nèi)公認(rèn)的一些關(guān)系。

結(jié)構(gòu)化數(shù)據(jù)與半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的知識(shí)融合

從結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)兩部分?jǐn)?shù)據(jù)中提取出來(lái)的知識(shí)是獨(dú)立的兩部分知識(shí)，兩者的實(shí)體有可能指代的是同一個(gè)實(shí)體，但是實(shí)體的指稱不一樣，兩者的實(shí)體也有可能互相有實(shí)體關(guān)系。不僅是兩部分?jǐn)?shù)據(jù)之間，在結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)各自產(chǎn)生的知識(shí)中也有可能發(fā)生重復(fù)實(shí)體等現(xiàn)象，如何將兩個(gè)獨(dú)立的知識(shí)融合成統(tǒng)一的知識(shí)庫(kù)也是一個(gè)難點(diǎn)[7]。

實(shí)體對(duì)齊可以在一定程度上解決這個(gè)問(wèn)題。實(shí)體對(duì)齊旨在將那些不同數(shù)據(jù)源中提取出來(lái)的具有不同標(biāo)識(shí)符卻實(shí)際上表達(dá)同一對(duì)象的實(shí)體歸并為唯一實(shí)體對(duì)象[8]，并添加到知識(shí)圖譜中。根據(jù)不同的數(shù)據(jù)特點(diǎn)可采用不同的實(shí)體對(duì)齊策略，本文根據(jù)提取得到的實(shí)體及其關(guān)系的特點(diǎn)，采用聚類方法來(lái)進(jìn)行實(shí)體對(duì)齊。

2.4 知識(shí)圖譜可視化展示與服務(wù)應(yīng)用

實(shí)體搜索作為知識(shí)圖譜最基礎(chǔ)和最通用的應(yīng)用，可以為用戶提供快速獲取知識(shí)的渠道[4]。除此之外，開(kāi)發(fā)者用戶還可以在底層知識(shí)庫(kù)的基礎(chǔ)上按具體需求進(jìn)行應(yīng)用二次開(kāi)發(fā)。

2.5 實(shí)體搜索

實(shí)體搜索旨在將用戶輸入的關(guān)鍵詞與知識(shí)庫(kù)中實(shí)體名稱進(jìn)行匹配，找到符合該關(guān)鍵詞的實(shí)體及其類別，并將與目標(biāo)實(shí)體具有關(guān)系的其他實(shí)體全部展示出來(lái)，向用戶展現(xiàn)目標(biāo)實(shí)體完整的知識(shí)面。

當(dāng)用戶輸入某公司名稱作為關(guān)鍵字進(jìn)行實(shí)體搜索時(shí)，將會(huì)以匹配到的實(shí)體為中心，展示其兩層之內(nèi)的關(guān)系網(wǎng)絡(luò)，圖2展示的是實(shí)體搜索的部分結(jié)果（因數(shù)據(jù)私有，實(shí)體名稱已經(jīng)過(guò)偏移處理），圖中每一個(gè)節(jié)點(diǎn)代表一個(gè)實(shí)體，節(jié)點(diǎn)之間的連線表示關(guān)系。

圖2 知識(shí)圖譜實(shí)體搜索展示

從圖2可以清楚地發(fā)現(xiàn)，該公司與某些部門機(jī)構(gòu)簽訂了一些合同，這些合同又分別涉及某些裝備，屬于某些項(xiàng)目，因此用戶可以快速地了解與該公司相關(guān)的“供應(yīng)商、部門機(jī)構(gòu)、合同、項(xiàng)目、裝備”知識(shí)面。

種種因素導(dǎo)致傳統(tǒng)的工作模式要求用戶具有較高的專業(yè)知識(shí)才能勝任裝備日常管理工作。裝備大數(shù)據(jù)知識(shí)圖譜整合了不同數(shù)據(jù)源的數(shù)據(jù)，為用戶提供了快速、簡(jiǎn)潔而統(tǒng)一的數(shù)據(jù)搜索方式，可以有效地提高裝備日常管理工作效率，降低用戶專業(yè)技能需求門檻。

2.5 知識(shí)圖譜擴(kuò)展應(yīng)用

知識(shí)圖譜提供了豐富的底層接口，用戶可以根據(jù)自身的應(yīng)用需求，通過(guò)這些接口和查詢語(yǔ)言進(jìn)行二次應(yīng)用開(kāi)發(fā)。

本文根據(jù)裝備大數(shù)據(jù)本體庫(kù)的特點(diǎn)和用戶需求，定制了合同風(fēng)險(xiǎn)審計(jì)分析模型，旨在通過(guò)知識(shí)圖譜挖掘具有潛在風(fēng)險(xiǎn)的合同關(guān)系，識(shí)別供應(yīng)商具有潛在欺詐的合同行為，效果如圖3所示（圖中數(shù)據(jù)均為模擬數(shù)據(jù)）：

圖3 合同風(fēng)險(xiǎn)審計(jì)分析展示

該模型結(jié)合了知識(shí)圖譜接口和查詢語(yǔ)言，通過(guò)分別對(duì)裝備大數(shù)據(jù)知識(shí)圖譜中的供應(yīng)商表、合同表、人員表等多個(gè)表讀取對(duì)應(yīng)數(shù)據(jù)來(lái)進(jìn)行數(shù)據(jù)篩選、整合和分析，最終得到具有潛在風(fēng)險(xiǎn)的多級(jí)合同列表。

3 總結(jié)

本文提出了基于裝備大數(shù)據(jù)知識(shí)圖譜的構(gòu)建方法，有針對(duì)性地解決了裝備大數(shù)據(jù)特性給知識(shí)圖譜構(gòu)建帶來(lái)的困難。對(duì)于大數(shù)據(jù)集中的結(jié)構(gòu)化數(shù)據(jù)，本文采用數(shù)據(jù)庫(kù)外鍵、業(yè)務(wù)系統(tǒng)數(shù)據(jù)和關(guān)系表等信息來(lái)指導(dǎo)實(shí)體關(guān)系的提取，對(duì)于半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，根據(jù)數(shù)據(jù)文件的類型采用不同的已經(jīng)成熟的方法來(lái)提取實(shí)體關(guān)系，最終經(jīng)過(guò)基于聚類的知識(shí)融合以及人工審核之后產(chǎn)生知識(shí)庫(kù)。此后，本文將知識(shí)庫(kù)中的三元組進(jìn)行可視化展示，并通過(guò)知識(shí)圖譜的不同應(yīng)用場(chǎng)景和擴(kuò)展開(kāi)發(fā)展示了知識(shí)圖譜在關(guān)系管理方面的優(yōu)越性。本文提出的基于裝備大數(shù)據(jù)的知識(shí)圖譜可以有效提高數(shù)據(jù)統(tǒng)籌管理能力，方便裝備業(yè)務(wù)的開(kāi)展，有利于裝備業(yè)務(wù)的決策確定。