面向海上多節(jié)點信息資源管理的知識圖譜構(gòu)建方法?

何江波 韓宛彤 黃繼紅 趙 恒

（中國船舶集團有限公司第七〇九研究所 武漢 430205）

1 引言

海上信息資源管理中心是對海上信息資源進行管理的平臺，而海上信息資源是海上各信息資源管理中心之間交互的各類數(shù)據(jù)信息的統(tǒng)稱，有著多類別、多來源、高頻率的特點，各信息資源管理中心對信息資源進行分析以輔助決策。當(dāng)前的信息資源存儲方式主要采用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫，存在如下問題：第一，關(guān)系型數(shù)據(jù)庫適用于存在較多實體但實體間關(guān)系較簡單的數(shù)據(jù)，對于存在復(fù)雜的資源間關(guān)系的信息資源，關(guān)系型數(shù)據(jù)庫的性能較低，包含復(fù)雜關(guān)系查詢的操作的實時性差；第二，現(xiàn)有數(shù)據(jù)組織方式的信息資源不存在語義層面的關(guān)聯(lián)，檢索得到的信息資源集合簡單，隨著信息量的增大，現(xiàn)有方法無法滿足信息資源管理中心對信息資源實時性、準(zhǔn)確性的需求。因此需要為信息資源建立良好的組織方式，為智能檢索、個性化推薦等上層應(yīng)用提供更好的支撐。

知識圖譜（Knowledge Graph，KG）是解決上述問題的方法之一。知識圖譜是基于圖結(jié)構(gòu)的知識庫，與關(guān)系型數(shù)據(jù)庫相比，采用知識圖譜技術(shù)對信息資源進行組織，有以下兩方面的優(yōu)勢：1）圖結(jié)構(gòu)更適合于存儲數(shù)據(jù)之間關(guān)聯(lián)復(fù)雜的信息資源，關(guān)系操作性能較好；2）信息資源的智能應(yīng)用，知識圖譜為智能搜索、個性化推薦等智能應(yīng)用提供支撐，提高信息資源檢索的準(zhǔn)確率。因此知識圖譜是未來信息資源管理中心數(shù)據(jù)存儲的發(fā)展趨勢之一。

本文提出了面向海上多節(jié)點信息資源管理的知識圖譜的構(gòu)建方法。首先對知識圖譜相關(guān)技術(shù)的研究現(xiàn)狀與現(xiàn)有的知識圖譜構(gòu)建方法進行了介紹；然后針對海上多節(jié)點信息資源的特性，提出了面向海上多節(jié)點信息資源管理的知識圖譜構(gòu)建方法，為信息資源的智能搜索、個性化推薦提供支撐。

2 知識圖譜概述

知識圖譜的概念由谷歌于2012年5月提出，用于提高搜索引擎能力，增強其返回的搜索結(jié)果。知識圖譜使用圖結(jié)構(gòu)描述客觀存在的事物及其關(guān)系，圖的節(jié)點表示客觀存在的事物，即實體，節(jié)點之間的邊表示事物之間的關(guān)系。隨著Web技術(shù)以及智能信息服務(wù)的不斷發(fā)展，知識圖譜已經(jīng)廣泛應(yīng)用于個性化推薦，問答系統(tǒng)等智能應(yīng)用中。構(gòu)建知識圖譜的關(guān)鍵技術(shù)包括知識抽取、知識融合、知識推理等方面。知識抽取主要包括實體抽取和關(guān)系抽取。目前主要采用統(tǒng)計機器學(xué)習(xí)以及深度學(xué)習(xí)的方式對實體進行抽取。知識融合的研究主要針對實體對齊方面，文獻［1］提出了針對實體相似距離的可擴展、自適應(yīng)的聚類與實體匹配算法?；谌窒嗨贫鹊姆椒ňC合考慮實體的屬性與實體之間的關(guān)系，結(jié)合屬性相似度和實體間的拓?fù)渚嚯x，對實體進行對齊。知識推理主要分為基于邏輯的推理與基于圖的推理兩類?；谶壿嫷耐评碇饕ㄒ浑A邏輯謂詞推理、描述邏輯和基于規(guī)則的推理。在基于規(guī)則的推理方面，知識庫NELL采用一階Horn子句的方式預(yù)測實體間的關(guān)聯(lián)［2］；而在基于圖的推理方面，較為典型的有文獻［3］提出的節(jié)點間的隨機游走算法，用于推測兩個節(jié)點之間的關(guān)系。

3 面向海上多節(jié)點信息資源管理的知識圖譜構(gòu)建方法

3.1 知識圖譜構(gòu)建的一般步驟

通用知識圖譜的主流構(gòu)建方法主要分為自頂向下與自底向上兩種方式，自頂向下的構(gòu)建方式先定義概念，然后將實體填充到知識圖譜中；自底向上的方式先從原始數(shù)據(jù)中抽取實體，再通過對實體聚類等方式構(gòu)造概念。專業(yè)領(lǐng)域的知識圖譜一般采用自頂向下的構(gòu)建方式，主要包括概念定義、知識抽取，知識融合等步驟。概念定義對領(lǐng)域內(nèi)現(xiàn)有知識進行提煉，得到概念、概念的上下位關(guān)系以及概念的關(guān)系。知識抽取是指對原始數(shù)據(jù)進行實體抽取、關(guān)系抽取以及屬性值抽取。知識圖譜的原始數(shù)據(jù)主要分為結(jié)構(gòu)化數(shù)據(jù)，半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)主要指關(guān)系型數(shù)據(jù)庫中存儲的數(shù)據(jù)，針對結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，使用D2R工具或模板匹配工具將原始數(shù)據(jù)映射為實體；針對非結(jié)構(gòu)化的數(shù)據(jù)，使用自然語言處理技術(shù)從原始文本中識別實體。知識融合由于原始數(shù)據(jù)來源多樣，通過知識抽取得到的實體質(zhì)量較低不能直接作為實體存儲到知識庫中，需要對實體進行加工，主要的知識融合方法包括實體消歧，屬性消歧等。通用知識圖譜的架構(gòu)如圖1所示。

圖1 通用知識圖譜架構(gòu)

3.2 海上信息資源知識圖譜構(gòu)建方法

海上信息資源包含多種異構(gòu)數(shù)據(jù)，包括文字、圖像、音頻、視頻等。而隨著海上信息資源的積累以及信息收集技術(shù)的進步，信息資源的種類也會越來越復(fù)雜。由于海上節(jié)點之間的網(wǎng)絡(luò)有帶寬低、連接不穩(wěn)定的特點，節(jié)點之間的信息交互實時性無法滿足需求。因此海上多節(jié)點信息資源知識圖譜的構(gòu)建存在以下兩個難點：第一，海上各節(jié)點需要維護節(jié)點之間的關(guān)系，以支持節(jié)點之間的信息交互；第二，知識圖譜中的節(jié)點信息需要實時更新以保證信息資源的實時性。

針對以上難點，本文采用了面向海上網(wǎng)絡(luò)的隱馬爾可夫模型（Hidden Markov Model，HMM），用于預(yù)測節(jié)點間鏈路狀態(tài)，根據(jù)預(yù)測結(jié)果選擇更新時間與鏈路選擇，以確保各節(jié)點的信息資源的實時性。

海上網(wǎng)絡(luò)由多種無線通信手段組成，因此數(shù)據(jù)傳輸首先需要選擇使用的信道，由于信道的實時狀態(tài)是未知的，選擇不可用信道導(dǎo)致的等待時延會極大地影響到數(shù)據(jù)傳輸?shù)膶崟r性。HMM可以基于當(dāng)前已知的網(wǎng)絡(luò)狀態(tài)對未來一段時間的狀態(tài)進行預(yù)測，根據(jù)預(yù)測結(jié)果選擇可用信道，有效減少選擇不可用信道導(dǎo)致的等待時延，從而解決實體更新的實時性問題，同時根據(jù)信道狀態(tài)對節(jié)點間的關(guān)系進行更新維護。

HMM是馬爾可夫模型理論基礎(chǔ)上的雙重隨機過程，由描述隱藏狀態(tài)轉(zhuǎn)移的馬爾可夫鏈和描述隱藏狀態(tài)與觀測狀態(tài)之間關(guān)系的隨機過程組成，隱藏狀態(tài)不可觀測。HMM可以定義為五元組λ=(S，V，A，B，π)，其中S=｛S1，S2，…，SN｝，代表隱藏狀態(tài)的有限集合，狀態(tài)數(shù)量為N；V=｛V1，V2，…，VM｝，代表觀測值的有限集合，可能輸出的觀測值數(shù)量為M；A=｛aij｝，aij=P｛qt+1=Sj|qt=Si｝，1≤i，j≤N，代表HMM中隱藏狀態(tài)之間的轉(zhuǎn)移概率；B=｛bj（k）｝，bj（k）=P｛Ot=Vk|qt=Sj｝，1≤j≤N，1≤k≤M，代表HMM中某隱藏狀態(tài)被觀測為指定觀測值的概率；代表初始化狀態(tài)分布。隨機過程中的隱藏狀態(tài)序列為Q=｛q1，q2，…，qT｝，觀測狀態(tài)序列為O=｛ο1，ο2，…，οT｝，T為觀測狀態(tài)序列長度。

網(wǎng)絡(luò)狀態(tài)不是一個具體的概念，無法直接檢測，一般通過反映網(wǎng)絡(luò)狀態(tài)的QoS指標(biāo)來體現(xiàn)網(wǎng)絡(luò)狀態(tài)，如網(wǎng)絡(luò)時延、丟包率等。HMM中的隱藏狀態(tài)同樣不可觀測，僅能觀測到觀測狀態(tài)。針對海上網(wǎng)絡(luò)，以信道的連通狀態(tài)作為隱藏狀態(tài)，隱藏值集合S=｛0，1｝，分別表示信道不可用狀態(tài)與可用狀態(tài)。以每次實體更新的時延為觀測狀態(tài)，對實體更新時間進行離散化，分為三種狀態(tài)，第一類時延小于200ms，第二類時延在200ms～1000ms之間，第三類時延在1000ms以上，故觀測值集合V=｛0，1，2｝。對歷史數(shù)據(jù)進行離散化得到觀測狀態(tài)序列O，作為模型的訓(xùn)練集與預(yù)測的輸入。

建立HMM需要選取合適的初始模型參數(shù)，好的參數(shù)選取方案使最終參數(shù)盡量收斂于全局最大值。初始狀態(tài)分布π與隱藏狀態(tài)轉(zhuǎn)移概率矩陣A可隨機選取，不會影響到模型的最終參數(shù)收斂。觀測概率矩陣B的初始值關(guān)系到最終參數(shù)的收斂，采用均勻分割訓(xùn)練樣本然后估計其全局均值和方差的方式計算初始觀測概率矩陣B。

定義初始模型后，使用已知的觀測狀態(tài)序列O作為輸入，采用Baum-Welch算法對模型λ進行訓(xùn)練，計算得到新的模型λ`=(A`，B`，π`)，且P（O|λ`）>P（O|λ），即新模型生成觀測狀態(tài)序列O的概率高于原模型，新模型相比原模型更符合實際環(huán)境，將λ`作為λ進行新一輪的迭代，直到P（O|λ`）不明顯提高，即得到最終的模型。

建立面向海上網(wǎng)絡(luò)的隱馬爾可夫模型后，以節(jié)點間網(wǎng)絡(luò)狀態(tài)的觀測狀態(tài)序列O作為輸入，使用Viterbi算法預(yù)測未來時隙的所有信道狀態(tài)，即根據(jù)已經(jīng)確定的給定部分觀察序列O={ο1，ο2，…，οt}及其對應(yīng)的最優(yōu)隱藏狀態(tài)序列Q={q1，q2，…，qt}，根據(jù)Q計算出觀測序列增1后的最優(yōu)狀態(tài)序列Q={q1，q2，…，qt，qt+1}，即得到下一時隙的網(wǎng)絡(luò)狀態(tài)預(yù)測值。選擇預(yù)測可用信道建立候選信道集合，使用可用信道進行實體更新的傳輸，保證實體更新的實時性，根據(jù)可用信道的連通狀態(tài)維護節(jié)點間的連接關(guān)系，同時根據(jù)實體更新的傳輸?shù)男Ч麑MM模型進行評估。

基于面向海上網(wǎng)絡(luò)的隱馬爾可夫模型，得到對信道的連通狀態(tài)進行預(yù)測的方法?；陬A(yù)測方法，提出海上多節(jié)點信息資源知識圖譜的構(gòu)建方法，分為單節(jié)點知識圖譜構(gòu)建與節(jié)點間交互模塊構(gòu)建兩部分。

單節(jié)點知識圖譜構(gòu)建方法如下：

1）根據(jù)經(jīng)驗與信息資源管理中的技術(shù)文檔，定義信息資源管理的相關(guān)概念和關(guān)系。對于信息資源知識圖譜，采用自頂向下的構(gòu)建方式，通過文本模板匹配的方式從信息資源的技術(shù)文檔匹配得到概念及屬性的定義，以抽取得到的概念形成信息資源知識圖譜的模式層。

2）根據(jù)實際應(yīng)用需求，為抽取得到的概念定義屬性、關(guān)系的取值約束，為節(jié)點與信息資源、節(jié)點與節(jié)點之間的關(guān)系添加連接狀態(tài)屬性，記錄該信息資源或節(jié)點當(dāng)前是否可達。

3）從現(xiàn)有的數(shù)據(jù)庫、文檔、實時數(shù)據(jù)等多種來源的異構(gòu)數(shù)據(jù)中抽取實體及其關(guān)系與屬性值。針對各類異構(gòu)信息資源，為信息資源按類型定義匹配模板，采用模板匹配的知識抽取方法進行實體的抽取。

4）由于信息資源實體存在較多關(guān)系和屬性，采用基于實體關(guān)系的相似度作為實體消歧的判斷標(biāo)準(zhǔn)；對步驟3）得到的實體進行知識融合，消除實體之間的冗余，對相同實體進行合并，得到單節(jié)點信息資源知識圖譜。

節(jié)點間交互模塊構(gòu)建方法如下。

1）選取初始模型參數(shù)，建立初始隱馬爾可夫模型。

2）對信道狀態(tài)歷史數(shù)據(jù)進行預(yù)處理，構(gòu)造觀測狀態(tài)序列O作為HMM的訓(xùn)練集。

3）使用Baum-Welch算法對隱馬爾可夫模型進行訓(xùn)練。

基于訓(xùn)練后的HMM，使用Viterbi算法計算預(yù)測未來時隙的所有信道狀態(tài)，并基于預(yù)測的結(jié)果選擇信道傳輸數(shù)據(jù)。根據(jù)數(shù)據(jù)的傳輸結(jié)果判斷信道的實際狀態(tài)，維護節(jié)點間關(guān)系；基于預(yù)測結(jié)果和信道的實際狀態(tài)評估HMM的預(yù)測效果。若預(yù)測效果下降，將新的信道狀態(tài)預(yù)處理后加入到訓(xùn)練集，訓(xùn)練HMM，否則預(yù)測下一時隙的信道狀態(tài)。

海上多節(jié)點的信息資源知識圖譜的建立流程圖如圖2所示。

圖2 海上多節(jié)點的信息資源知識圖譜的建立流程

按照以上方法構(gòu)建的海上多節(jié)點信息資源知識圖譜可以對節(jié)點間的連接狀態(tài)進行維護，并確保節(jié)點間信息資源的實時性。

4 信息資源知識圖譜實例

以兩個海上信息資源管理中心節(jié)點為例，通過以上方法構(gòu)建海上信息資源知識圖譜，關(guān)系數(shù)據(jù)庫中原始數(shù)據(jù)如圖3所示。

圖3 原始數(shù)據(jù)示例

使用D2R工具將目前的關(guān)系數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)映射為資源描述框架映射為資源描述框架（Resource Description Framework，RDF）的表示形式，得到的實體如圖4所示。

圖4 實體RDF描述示例

將抽取得到的實體集添加到圖數(shù)據(jù)庫中，形成節(jié)點1與節(jié)點2的單節(jié)點信息資源知識圖譜。構(gòu)建各節(jié)點上的節(jié)點間交互模塊，通過節(jié)點間的數(shù)據(jù)更新得到多節(jié)點信息資源知識圖譜。

對多節(jié)點知識圖譜中的1、2兩個用戶實體進行關(guān)聯(lián)路徑分析，得到的結(jié)果如圖5所示，可直觀地看到兩個信息資源管理中心之間關(guān)聯(lián)的資源實體，“訂閱”關(guān)系實時顯示連接狀態(tài)，更新交互模塊實時對本地知識圖譜進行更新，維護節(jié)點間關(guān)系，直觀顯示信息資源中心與資源之間的關(guān)系。

圖5 海上多節(jié)點信息資源管理知識圖譜

在相同的網(wǎng)絡(luò)環(huán)境下，對傳統(tǒng)的信道輪詢方式與HMM模型預(yù)測在不同數(shù)據(jù)規(guī)模下的實體更新平均時延進行對比。如圖6所示，隨著實體更新數(shù)據(jù)規(guī)模的增大，隱馬爾可夫模型對網(wǎng)絡(luò)狀態(tài)擬合度逐漸提高。相對于傳統(tǒng)的信道輪詢方式，使用隱馬爾可夫模型進行預(yù)測的實體更新方式能有效降低實體更新時延，從而提高知識圖譜更新的實時性。

圖6 HMM預(yù)測與輪詢方式實時性效果對比

5 結(jié)語

隨著全域作戰(zhàn)模式的發(fā)展，信息資源的數(shù)據(jù)規(guī)模與類型會日益增加，對海上信息資源的組織方式和應(yīng)用都提出了新的挑戰(zhàn)。本文針對海上多節(jié)點的海量異構(gòu)信息資源以及海上網(wǎng)絡(luò)環(huán)境的特點，提出了面向海上多節(jié)點信息資源知識圖譜的構(gòu)建方法，從多種數(shù)據(jù)源抽取實體及關(guān)系以構(gòu)建信息資源知識圖譜，構(gòu)建的知識圖譜可為異構(gòu)信息資源提供一種數(shù)據(jù)組織方式和存儲方式，為以信息資源知識圖譜為基礎(chǔ)的個性化推薦、智能搜索等方面應(yīng)用提供技術(shù)支持。