化工產(chǎn)業(yè)鏈知識(shí)圖譜設(shè)計(jì)與實(shí)現(xiàn)

王石磊(上海利柏特工程技術(shù)有限公司，上海 201101)

0 引言

化工產(chǎn)業(yè)涉及到的產(chǎn)品眾多，具有一定銷售規(guī)模的化工品至少上千種，而且化工品上下游關(guān)系極為復(fù)雜，同一種化工品往往有多種合成方式，下游化工品的制備往往需要多種上游化工品，甚至還會(huì)有不同化工品的應(yīng)用場(chǎng)景具有相互替代的關(guān)系。常規(guī)方法對(duì)化工產(chǎn)業(yè)鏈表示和分析存在著很多弊端，可視化能力不強(qiáng)，使用、檢索不便，缺乏科學(xué)的分析算法。知識(shí)圖譜技術(shù)通過構(gòu)建知識(shí)節(jié)點(diǎn)及節(jié)點(diǎn)聯(lián)系，利用其強(qiáng)大的可視化能力和科學(xué)的圖算法，能可視化技術(shù)描述化工產(chǎn)業(yè)鏈，挖掘、構(gòu)建、繪制和顯示知識(shí)及它們之間的相互聯(lián)系，并利用相關(guān)圖算法幫助理解和分析主要化工產(chǎn)業(yè)鏈各環(huán)節(jié)的主要發(fā)展邏輯[1]。

1 相關(guān)概念

1.1 知識(shí)圖譜

知識(shí)圖譜是由谷歌公司在 2012 年提出來概念，從學(xué)術(shù)的角度，“知識(shí)圖譜本質(zhì)上是語義網(wǎng)絡(luò)(semantic network)的知識(shí)庫”，可以對(duì)現(xiàn)實(shí)世界的事物及其相互關(guān)系進(jìn)行形式化地描述。從實(shí)際應(yīng)用的角度可以簡(jiǎn)單地把知識(shí)圖譜理解成多關(guān)系圖(multi-relational graph)，泛指各種大規(guī)模的知識(shí)庫。圖(graph)是由節(jié)點(diǎn)(vertex)和邊(edge)來構(gòu)成，實(shí)體(節(jié)點(diǎn))指的是現(xiàn)實(shí)世界中的事物比如人、地名、化學(xué)品、公司等，關(guān)系(邊)則用來表達(dá)不同實(shí)體之間的某種聯(lián)系，比如人“居住在”北京、張三和李四是“朋友”、邏輯回歸是深度學(xué)習(xí)的“先導(dǎo)知識(shí)”等。“知識(shí)圖譜”結(jié)構(gòu)示意圖如圖1所示。

圖1 “知識(shí)圖譜”結(jié)構(gòu)示意圖

1.2 圖數(shù)據(jù)庫

知識(shí)圖譜由于其數(shù)據(jù)包含實(shí)體、屬性、關(guān)系等，常見的關(guān)系型數(shù)據(jù)庫諸如SQL Server之類不能很好的體現(xiàn)數(shù)據(jù)的這些特點(diǎn)，因此知識(shí)圖譜數(shù)據(jù)的存儲(chǔ)一般采用圖數(shù)據(jù)庫(graph databases)。圖數(shù)據(jù)庫包含節(jié)點(diǎn)和關(guān)系，節(jié)點(diǎn)和關(guān)系均具有屬性，其中，關(guān)系可命名，具有方向性，必須有起點(diǎn)和終點(diǎn)。

Neo4j是其中常用的圖數(shù)據(jù)庫管理系統(tǒng)，基于圖結(jié)構(gòu)完成數(shù)據(jù)的建模，將結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在圖中，展示數(shù)據(jù)及其之間的邏輯關(guān)系，以相同的數(shù)據(jù)遍歷節(jié)點(diǎn)與邊，算法非?？旖莺透咝?，能處理數(shù)十億節(jié)點(diǎn)、屬性和關(guān)系。本研究采用Neo4j 4.2社區(qū)版。

1.3 Cypher語言

Cypher是面向Neo4j的特定查詢語言，保留了許多SQL語言風(fēng)格，符合常規(guī)表達(dá)習(xí)慣，用戶不必關(guān)心如何對(duì)圖數(shù)據(jù)庫進(jìn)行遍歷，不用編寫復(fù)雜的代碼即可實(shí)現(xiàn)對(duì)圖數(shù)據(jù)庫的操作。

2 知識(shí)圖譜設(shè)計(jì)

化工產(chǎn)業(yè)鏈?zhǔn)窍嚓P(guān)化工產(chǎn)品生產(chǎn)企業(yè)根據(jù)化學(xué)品合成或生產(chǎn)屬性組成的一個(gè)產(chǎn)業(yè)鏈條，通過上游原原材料、中間化學(xué)品和下游行業(yè)完成化工產(chǎn)業(yè)鏈的組織。

2.1 上游原材料節(jié)點(diǎn)

絕大部分的化學(xué)品主要是來源于石油、天然氣(包括石油氣、頁巖氣等)、煤炭以及各種無機(jī)礦物(包括原鹽)。石油、天然氣和煤炭因?yàn)橹饕荚雍蜌湓?，可以通過蒸餾、裂解、氣化等方式得到大量有機(jī)化工品。無機(jī)礦物則主要有石英砂、磷礦石、硫鐵礦、鈦鐵礦、鉀礦、螢石礦、原鹽等，通常用來得到各種無機(jī)化工品(部分有機(jī)化工品同樣需要無機(jī)礦物作為原材料)。

節(jié)點(diǎn)屬性定義：唯一標(biāo)識(shí)符(rawmaterial Id)；名稱(ramaterial Name)。

2.2 中間化學(xué)品節(jié)點(diǎn)

中間化學(xué)品通常被認(rèn)為是基礎(chǔ)化工品，是介于上游原材料與下游行業(yè)中間的化工品，中間環(huán)節(jié)與下游環(huán)節(jié)之間并沒有明確的劃分，不少處于中間環(huán)節(jié)的化工品同樣被當(dāng)作最終制品對(duì)外銷售，這主要取決于最終應(yīng)用場(chǎng)景。

節(jié)點(diǎn)屬性定義：唯一標(biāo)識(shí)符(chemical Id)；名稱(chemical Name)。

2.3 下游行業(yè)節(jié)點(diǎn)

直接與終端應(yīng)用相關(guān)聯(lián)的節(jié)點(diǎn)劃分到下游行業(yè)組，化工品應(yīng)用領(lǐng)域廣泛，基本上已經(jīng)滲透到工業(yè)生產(chǎn)和日常生活的各個(gè)方面，涉及到的行業(yè)也林林總總。如衣(紡織服裝)、食(農(nóng)業(yè)、食物)、住(建筑裝飾)、行(交通運(yùn)輸)以及科技(TMT、新能源、航空航天)等領(lǐng)域[2]。

節(jié)點(diǎn)屬性定義：唯一標(biāo)識(shí)符(indutryId)；名稱(indutryName)。

2.4 關(guān)系(Relationship)

化工產(chǎn)業(yè)鏈上的各種化學(xué)品之間的關(guān)系有很多，為簡(jiǎn)化應(yīng)用，在本研究中，我們僅提取出對(duì)分析最有用的關(guān)系：“生產(chǎn)”，同時(shí)大多數(shù)化工產(chǎn)品的反應(yīng)/合成都是單向的，在不同的條件下可逆。在本研究中，為簡(jiǎn)化分析，我們忽略關(guān)系的雙向性。化學(xué)品節(jié)點(diǎn)與下游行業(yè)之間的關(guān)系用單向的“應(yīng)用”表示；化學(xué)品節(jié)點(diǎn)與上游原材料之間的關(guān)系用單向的“制備”表示。

本次研究暫不加入關(guān)系屬性。

3 知識(shí)圖譜實(shí)現(xiàn)

3.1 新建圖數(shù)據(jù)庫

新建圖數(shù)據(jù)庫，清空數(shù)據(jù)，確保在一個(gè)空白的環(huán)境進(jìn)行操作：

這里，MATCH是匹配操作，而小括號(hào)()代表一個(gè)節(jié)點(diǎn)node (可理解為括號(hào)類似一個(gè)圓形)，括號(hào)里面的n為標(biāo)識(shí)符。

3.2 建立節(jié)點(diǎn)(Node)

創(chuàng)建化學(xué)品節(jié)點(diǎn)：

其中CREATE是創(chuàng)建操作，Chemical是標(biāo)簽，代表節(jié)點(diǎn)的類型。花括號(hào){}代表節(jié)點(diǎn)的屬性，屬性類似Python的字典。為提高節(jié)點(diǎn)錄入效率，將收集整理的各節(jié)點(diǎn)編制成csv文件，利用如下Cypher語句批量導(dǎo)入中間化學(xué)品節(jié)點(diǎn)，最終完成所有節(jié)點(diǎn)的建立[3]：

3.3 建立關(guān)系(Relationship)

根據(jù)化工產(chǎn)業(yè)鏈上下游的關(guān)系建立節(jié)點(diǎn)間關(guān)系，如下為建立乙烯產(chǎn)業(yè)鏈的示例：

MERGE (a) - [:制備] -＞ (b) - [:生產(chǎn)] -＞ (c) - [:生產(chǎn)] -＞(d)- [:應(yīng)用] -＞ (e)

用同樣的方法將所有關(guān)系添加完成，在Neo4J的界面上可以看到創(chuàng)建成功的節(jié)點(diǎn)及其關(guān)系，分別用不同顏色表示，如圖2所示。

圖2 化工產(chǎn)業(yè)鏈知識(shí)圖譜(局部)

3.4 應(yīng)用

初步化工產(chǎn)業(yè)鏈圖數(shù)據(jù)庫建立后，其應(yīng)用包括節(jié)點(diǎn)之間的路徑查詢，節(jié)點(diǎn)關(guān)系輻射分析等等，本次研究以查找兩個(gè)節(jié)點(diǎn)間的關(guān)系路徑來做一個(gè)示范，如下Cyper語句表示了“原油”這個(gè)上游原材料與“化纖”行業(yè)之間關(guān)系數(shù)量在5以內(nèi)的所有路徑，經(jīng)過運(yùn)算后顯示如圖3所示。

圖3 化工產(chǎn)業(yè)鏈知識(shí)圖譜路徑分析

4 結(jié)語

文章設(shè)計(jì)了一種化工產(chǎn)業(yè)鏈的知識(shí)圖譜，并利用圖數(shù)據(jù)庫Neo4j實(shí)現(xiàn)了基礎(chǔ)的化工產(chǎn)業(yè)鏈知識(shí)圖譜的建立和維護(hù)管理，對(duì)于圖算法中路徑分析做了嘗試。

下一步將進(jìn)一步完善該化工產(chǎn)業(yè)鏈知識(shí)圖譜，引入生產(chǎn)企業(yè)節(jié)點(diǎn)及其屬性，包括(產(chǎn)能，地理位置等)，擴(kuò)充知識(shí)圖譜的范圍和功能，并利用路徑搜索算法、中心性算法及社群發(fā)現(xiàn)算法進(jìn)行基礎(chǔ)分析。最終進(jìn)行深度分析，用于行業(yè)投資決策，化工產(chǎn)業(yè)規(guī)劃等。