作戰(zhàn)試驗(yàn)數(shù)據(jù)知識圖譜構(gòu)建方法研究

王小龍 劉小朋 王磊 王宏

摘要：為解決作戰(zhàn)試驗(yàn)信息化過程中出現(xiàn)的信息過載、知識搜索效率低下等問題，提出將知識圖譜應(yīng)用于作戰(zhàn)試驗(yàn)知識庫的構(gòu)建。利用作戰(zhàn)試驗(yàn)內(nèi)部數(shù)據(jù)源進(jìn)行關(guān)鍵信息的抽取，給出作戰(zhàn)試驗(yàn)知識圖譜的構(gòu)建流程；知識圖譜技術(shù)利用海量數(shù)據(jù)建立知識庫，可有效整合分散的數(shù)據(jù)信息，來提高作戰(zhàn)試驗(yàn)領(lǐng)域知識的利用率和使用價(jià)值，具有重要的軍事應(yīng)用前景。

關(guān)鍵詞：作戰(zhàn)試驗(yàn)；知識圖譜；本體構(gòu)建

引言

目前作戰(zhàn)試驗(yàn)還存在很多問題需要解決，通過作戰(zhàn)試驗(yàn)采集、積累了大量的試驗(yàn)數(shù)據(jù)，這些海量試驗(yàn)數(shù)據(jù)包括表格、文本文件、音視頻、運(yùn)動軌跡等各種類型數(shù)據(jù)，其以原始數(shù)據(jù)的形式存儲起來，沒有進(jìn)行有規(guī)劃地存儲和處理，使數(shù)據(jù)不能成為可以利用的數(shù)據(jù)資源。當(dāng)面對海量試驗(yàn)數(shù)據(jù)時(shí)，相關(guān)業(yè)務(wù)人員無法從中獲取有用知識，也無法依據(jù)數(shù)據(jù)進(jìn)行更精準(zhǔn)的分析決策。導(dǎo)致價(jià)值信息繼續(xù)沉睡的首要問題是，在海量數(shù)據(jù)中人們還不能找到其關(guān)鍵知識及相互關(guān)系，導(dǎo)致數(shù)據(jù)挖掘無從下手。

知識圖譜（knowledge graph）提供一種可以從海量文本數(shù)據(jù)中抽取結(jié)構(gòu)化知識手段，從而成為數(shù)據(jù)分析關(guān)鍵技術(shù)，目前在各個(gè)領(lǐng)域均有廣泛應(yīng)用，因此，將知識圖譜技術(shù)引入到作戰(zhàn)試驗(yàn)領(lǐng)域是解決目前無法從大量維度的數(shù)據(jù)中獲取關(guān)鍵知識的創(chuàng)新思路。本文將從作戰(zhàn)試驗(yàn)數(shù)據(jù)知識圖譜構(gòu)建方法開展研究，充分利用現(xiàn)有已采集數(shù)據(jù)資源進(jìn)行知識圖譜構(gòu)建，并分析其在作戰(zhàn)試驗(yàn)領(lǐng)域的應(yīng)用。

1 知識圖譜的定義與架構(gòu)

1.1 本體的概念

隨著知識圖譜技術(shù)的不斷發(fā)展，本體建模技術(shù)已應(yīng)用于眾多領(lǐng)域，準(zhǔn)確地建立本體模型有助于領(lǐng)域知識的存儲、表達(dá)和管理。由于軍事領(lǐng)域的特殊性，其知識體系復(fù)雜，要實(shí)現(xiàn)本體模型與領(lǐng)域之間表達(dá)一致，機(jī)器與軍事指揮技術(shù)人員之間理解一致，必須為知識體系構(gòu)建準(zhǔn)確、專業(yè)的本體。本體定義其中較著名的是由Gruber等人提出的：“本體是概念化的明確的規(guī)范說明”。

對于本體的形式化定義，得到廣泛認(rèn)可的是Gruber 在1995年提出的本體形式化五元組：

{C，R，HR，Rel，A}（2.1）

其中，C代表本體的概念，R代表本體關(guān)系的集合，HR代表概念間的層次關(guān)系，Rel表示概念間的非層次關(guān)系，A為公理。

結(jié)合作戰(zhàn)試驗(yàn)知識的自身特點(diǎn)以及未來知識體系、知識庫的擴(kuò)展和進(jìn)化需求，在本研究中，采用如下形式定義本體模型：

O={C，A，R，X，TI}（2.2）

即一個(gè)本體模型O包括了如下5個(gè)方面：C（Concept）表示本體中的概念，A（Attribute）表示概念及其實(shí)例的屬性的集合，R（Relation）表示概念間的關(guān)系集合，X（Axiom）表示本體的公理與規(guī)則集合，TI（TypicalInstance）表示本體的典型實(shí)例集合。

其中，概念集合C結(jié)合知識結(jié)構(gòu)與元素與頂層概念模型產(chǎn)生；關(guān)系集合R分為分類關(guān)系Rt和依賴關(guān)系Rd兩大類，分類關(guān)系如繼承關(guān)系（is-a、kind-of）和整體部分關(guān)系（part-of）等，依賴關(guān)系表示概念間存在的其他語義關(guān)系。

采用這種定義的優(yōu)勢在于，強(qiáng)化了“本體-屬性-關(guān)系”這種常用于表現(xiàn)事物和事件的整體邏輯關(guān)系，將關(guān)系、屬性和規(guī)則公理劃分為獨(dú)立的方面，使得本體模型中的定義更加模塊化，利于實(shí)際工程化構(gòu)建本體模型。

1.2 知識圖譜的概念

知識圖譜是結(jié)構(gòu)化的語義知識庫，用于以符號形式描述物理世界中的概念及其相互關(guān)系。知識圖譜從邏輯上可以劃分為2個(gè)層次：數(shù)據(jù)層和模式層。在知識圖譜的數(shù)據(jù)層，知識以事實(shí)為單位存儲在圖數(shù)據(jù)庫中。圖數(shù)據(jù)中主要有“實(shí)體-關(guān)系-實(shí)體”或者“實(shí)體-屬性-屬性值”兩種三元組，所有數(shù)據(jù)構(gòu)成龐大的實(shí)體關(guān)系網(wǎng)絡(luò)。模式層在數(shù)據(jù)層之上，是知識圖譜的核心。模式層存儲的是經(jīng)過提煉的知識，通常采用本體庫來管理知識圖譜的模式層。

知識圖譜的構(gòu)建過程是從原始數(shù)據(jù)出發(fā)，采用一系列自動或半自動的技術(shù)手段，從原始數(shù)據(jù)中提取出知識要素，并將其存入知識庫的數(shù)據(jù)層和模式層的過程。這是一個(gè)迭代更新的過程，每一輪迭代包含3個(gè)階段：信息抽取、知識融合以及知識加工。目前，在這三個(gè)階段的方法研究中，有大量的自然語言智能處理算法，可以支撐信息抽取、知識融合以及知識加工。

2 作戰(zhàn)試驗(yàn)知識領(lǐng)域構(gòu)建方法

圍繞作戰(zhàn)試驗(yàn)知識，按照知識體系構(gòu)建范圍，可將知識劃分形成6大知識板塊，分別是：軍事概念知識、武器裝備知識、戰(zhàn)場環(huán)境知識、作戰(zhàn)運(yùn)用知識以及試驗(yàn)評估分析知識。作戰(zhàn)試驗(yàn)知識結(jié)構(gòu)與要素構(gòu)建，主要是梳理構(gòu)建每個(gè)劃分領(lǐng)域的知識要素、要素層級以及要素關(guān)系，最終形成該領(lǐng)域的知識結(jié)構(gòu)，為后續(xù)的概念模型、本體模型設(shè)計(jì)提供專業(yè)化、系統(tǒng)化的基礎(chǔ)知識。如表1所示。

以試驗(yàn)評估要素為例，試驗(yàn)評估知識結(jié)構(gòu)與要素主要圍繞試驗(yàn)、評估與研討分析及相關(guān)業(yè)務(wù)展開，其中，試驗(yàn)評估分析知識包括4個(gè)方面的核心要素：仿真試驗(yàn)、實(shí)裝試驗(yàn)、作戰(zhàn)評估以及試驗(yàn)分析。每一點(diǎn)核心要素下又細(xì)分為多個(gè)子要素。這些要素之間有些相互關(guān)聯(lián)，具備一些遞進(jìn)、包含關(guān)系，詳細(xì)結(jié)構(gòu)與要素如表2所示。

又如武器裝備知識結(jié)構(gòu)與要素主要圍繞武器裝備分類體系、描述模型展開，形成的知識結(jié)構(gòu)與要素，其中，武器裝備知識包括7個(gè)方面的核心要素：裝備分類體系、裝備屬性與能力、裝備戰(zhàn)技指標(biāo)、裝備作戰(zhàn)效能、裝備使用保障要求、裝備編配關(guān)系以及裝備演化關(guān)系。每一點(diǎn)核心要素下又細(xì)分為多個(gè)子要素。這些要素之間有些相互關(guān)聯(lián)，具備一些遞進(jìn)、包含關(guān)系，詳細(xì)結(jié)構(gòu)與要素如表3所示。

3 武器裝備領(lǐng)域本體模型設(shè)計(jì)

通過對武器裝備知識結(jié)構(gòu)與要素進(jìn)行概念分析，可以發(fā)現(xiàn)，武器裝備知識領(lǐng)域中，存在如下本體概念：武器裝備、裝備能力、裝備戰(zhàn)技指標(biāo)、裝備保障環(huán)境、裝備保障崗位以及裝備使用崗位。其中，武器裝備、裝備能力、裝備戰(zhàn)技指標(biāo)是裝備領(lǐng)域主要的本體，裝備保障環(huán)境、裝備保障崗位以及裝備使用崗位是和組織編制領(lǐng)域、戰(zhàn)場環(huán)境領(lǐng)域交疊的本體。

下面將以履帶自行榴彈炮為子類本體模型舉例：

定義：履帶自行榴彈炮本體模型

O<履帶自行榴彈炮>={ C<履帶自行榴彈炮>，A<履帶自行榴彈炮>，

R<履帶自行榴彈炮>，X<履帶自行榴彈炮>，TI<履帶自行榴彈炮>}

其中，各元素詳細(xì)定義如下：

① 概念 C<履帶自行榴彈炮>：自行榴彈炮的一種，采用履帶式機(jī)動方式。

②屬性 A<履帶自行榴彈炮>：

③ 關(guān)系 R<履帶自行榴彈炮>：

④ 公理規(guī)則 X<履帶自行榴彈炮>：暫無

⑤典型實(shí)例TI<履帶自行榴彈炮>：【155mm自行榴彈炮】等

4 知識庫結(jié)構(gòu)設(shè)計(jì)

在邏輯上，通常將知識庫劃分為兩個(gè)層次：數(shù)據(jù)層和模式層，也可稱為實(shí)體庫和本體庫。

數(shù)據(jù)層：數(shù)據(jù)層主要是由一系列的事實(shí)組成，而知識將以事實(shí)為單位進(jìn)行存儲，通常通過（頭實(shí)體，關(guān)系，尾實(shí)體），（實(shí)體，屬性，屬性值）這樣的三元組來表達(dá)事實(shí)。

模式層：在數(shù)據(jù)層之上，是知識庫的核心，存儲經(jīng)過提煉的知識，通常通過本體模型來構(gòu)建這一層（本體模型可以理解為面向?qū)ο罄锏摹邦悺边@樣一個(gè)概念，本體模型形成的本體庫就儲存著知識庫的類）。例如：

模式層：實(shí)體-關(guān)系-實(shí)體，實(shí)體-屬性-性值；

數(shù)據(jù)層：斯特賴克步兵營-配備-M1127裝甲偵察車 M1127裝甲偵察車-最大公路行駛速度-100km/h。

4.1知識庫構(gòu)建技術(shù)路線

從原始的領(lǐng)域數(shù)據(jù)到形成知識庫，必須經(jīng)過數(shù)據(jù)整合與處理、知識抽取、知識融合、知識加工等步驟。

對于領(lǐng)域內(nèi)的結(jié)構(gòu)化、非結(jié)構(gòu)化以及半結(jié)構(gòu)化數(shù)據(jù)，通過一系列自動化或半自動化的技術(shù)手段，利用對應(yīng)工具進(jìn)行數(shù)據(jù)整合與處理。然后根據(jù)建立的本體模型以及相應(yīng)的智能模型庫，從整合后的數(shù)據(jù)中提取知識，包括提取實(shí)體、屬性和關(guān)系。接著將對提取到的知識進(jìn)行知識融合，將提取的知識與知識庫進(jìn)行匹配融合，形成可以入庫的知識。然后對可以入庫的知識進(jìn)行加工，從中發(fā)現(xiàn)新的本體、推理新的知識以及校驗(yàn)評估知識的質(zhì)量。完成加工后，即可將知識入庫存儲。

4.2知識庫構(gòu)建流程

構(gòu)建知識庫是一個(gè)迭代更新的過程，根據(jù)知識獲取的邏輯，每一輪迭代包含知識抽取、知識融合和知識加工三個(gè)階段：

4.2.1知識抽取

領(lǐng)域知識提取是領(lǐng)域知識圖譜構(gòu)建過程中最核心的一環(huán)，是后續(xù)圍繞領(lǐng)域知識圖譜開展應(yīng)用研究的重要基礎(chǔ)，能夠有效提取領(lǐng)域知識直接關(guān)系到最終系統(tǒng)應(yīng)用的效果。領(lǐng)域知識提取主要包含：實(shí)體抽取、關(guān)系抽取和屬性抽取。

4.2.1.1實(shí)體抽取

實(shí)體是知識圖譜中的基本單元，實(shí)體抽取是指從文本數(shù)據(jù)集中自動識別出命名實(shí)體，是自然語言處理中的一個(gè)經(jīng)典問題，其目的就是從一段自然語言文本中找出相關(guān)實(shí)體，并標(biāo)注出其位置以及類型。在軍事領(lǐng)域中，命名實(shí)體識別的作用是識別出領(lǐng)域內(nèi)各種非結(jié)構(gòu)化文檔中的軍事相關(guān)實(shí)體，具體包括基本軍事概念、作戰(zhàn)運(yùn)用、組織編制、作戰(zhàn)能力、武器裝備、作戰(zhàn)評估、教育訓(xùn)練、戰(zhàn)場環(huán)境、試驗(yàn)評估等多類實(shí)體。比如在下面一段文本中，通過實(shí)體抽取我們可以從其中抽取出實(shí)體——“斯特賴克旅”“旅部”“旅部連”“斯特賴克步兵營”“旅保障營”和“步兵連”，其類型都為組織架構(gòu)。

“斯特賴克旅下轄旅部及旅部連，3個(gè)斯特賴克步兵營和一個(gè)旅保障營，斯特賴克步兵營由三個(gè)相同編制的步兵連組成，是該旅的作戰(zhàn)主體，保障營向作戰(zhàn)營提供伴隨保障，向全旅部隊(duì)提供后勤與維修保障?！?/p>

實(shí)體識別包括預(yù)處理階段、特征向量的選取、模型訓(xùn)練、結(jié)果評估和模型改進(jìn)五個(gè)階段：

①處理。包括空格處理、字符大小轉(zhuǎn)換、復(fù)雜數(shù)據(jù)結(jié)構(gòu)的解析和格式轉(zhuǎn)換、上下文異構(gòu)的消除等。

②特征向量是指能夠識別實(shí)體的屬性集合。特征向量的選取方法包括領(lǐng)域?qū)＜沂止ぶ付ê蜋C(jī)器學(xué)習(xí)方法等。

③對于處理好的數(shù)據(jù)作為輸入，構(gòu)造訓(xùn)練集，進(jìn)行模型的訓(xùn)練，以便能夠?qū)?shí)體進(jìn)行識別。

④對于提取出的實(shí)體的結(jié)果，主要根據(jù)兩個(gè)評價(jià)指標(biāo)衡量實(shí)體識別模型的性能：召回率和準(zhǔn)確率。召回率（REC）等于系統(tǒng)正確識別的結(jié)果占所有可能正確結(jié)果的比例；準(zhǔn)確率（PRE）等于系統(tǒng)正確識別的結(jié)果占所有識別結(jié)果的比例。為了綜合評價(jià)系統(tǒng)的性能，通常還計(jì)算召回率和準(zhǔn)確率的加權(quán)幾何平均值，即F指數(shù)，計(jì)算公式如下：

其中，β是召回率和準(zhǔn)確率的相對權(quán)重。β等于1時(shí)，二者同樣重要；β大于1時(shí)，準(zhǔn)確率更重要一些；β小于1時(shí)，召回率更重要一些。

⑤根據(jù)實(shí)體識別結(jié)果的評估，如果存在指標(biāo)過低的情況，需要對模型進(jìn)行改進(jìn)。

4.2.1.2關(guān)系抽取

實(shí)體之間的關(guān)系是知識圖譜中不可或缺的部分，不同的關(guān)系將獨(dú)立的實(shí)體連接在一起編織成知識圖譜。如何從非結(jié)構(gòu)化的數(shù)據(jù)中識別出實(shí)體之間的關(guān)系是知識圖譜構(gòu)建的核心任務(wù)之一。軍事領(lǐng)域?qū)嶓w關(guān)系抽取的主要目的在于通過各種關(guān)系抽取模型和技術(shù)手段將非結(jié)構(gòu)化文檔中的各類軍事相關(guān)實(shí)體之間的關(guān)系抽取出來，諸如，組織架構(gòu)和武器裝備之間的配備關(guān)系，武器裝備之間的配套關(guān)系，組織架構(gòu)之間的隸屬關(guān)系，武器裝備與軍事環(huán)境之間的適用關(guān)系。通過關(guān)系抽取技術(shù)，將彼此孤立的各類軍事相關(guān)實(shí)體相互連接起來形成軍事領(lǐng)域知識圖譜，為之后的智能問答，知識推理，知識推薦，智能決策輔助等應(yīng)用提供重要的知識支撐。

關(guān)系抽取任務(wù)被廣泛應(yīng)用于數(shù)據(jù)簡化和構(gòu)建知識圖譜中。在上階段正確識別實(shí)體的基礎(chǔ)上，抽取它們之間的關(guān)系就是亟待解決的重要問題。該任務(wù)的定義是，給定標(biāo)注了兩個(gè)實(shí)體的句子，返回兩個(gè)實(shí)體之間的語義關(guān)系。比如，給定句子“斯特賴克輪式裝甲車是美國陸軍最新一代主戰(zhàn)裝備，也是陸軍部隊(duì)轉(zhuǎn)型的重要標(biāo)志?！?，其中，“斯特賴克輪式裝甲車”代表武器裝備實(shí)體，“美國陸軍”代表組織架構(gòu)實(shí)體，返回關(guān)系“武器裝備-配備給-組織架構(gòu)”。關(guān)系抽取任務(wù)得到的結(jié)果常用于問答系統(tǒng)和知識圖譜等應(yīng)用，是基礎(chǔ)且重要的自然語言處理任務(wù)。

文本語料經(jīng)過實(shí)體抽取之后，得到的是一系列離散的命名實(shí)體，為了得到語義信息，還需要從相關(guān)語料中提取出實(shí)體之間的關(guān)聯(lián)關(guān)系，通過關(guān)系將實(shí)體聯(lián)系起來，才能夠形成網(wǎng)狀的知識結(jié)構(gòu)。

關(guān)系抽取包括數(shù)據(jù)標(biāo)注、模型訓(xùn)練、結(jié)果評估和模型改進(jìn)四個(gè)階段：

①數(shù)據(jù)標(biāo)注：是對識別出的實(shí)體和實(shí)體之間的關(guān)系進(jìn)行標(biāo)注。

②模型訓(xùn)練：使用已標(biāo)注好的數(shù)據(jù)集進(jìn)行模型訓(xùn)練。

③關(guān)系抽取的結(jié)果，也是根據(jù)兩個(gè)評價(jià)指標(biāo)衡量關(guān)系抽取模型的性能：召回率和準(zhǔn)確率。為了綜合評價(jià)系統(tǒng)的性能，通常也計(jì)算召回率和準(zhǔn)確率的加權(quán)幾何平均值，即F指數(shù)，計(jì)算公式如式（5.1）.

④根據(jù)關(guān)系抽取結(jié)果的評估，如果存在指標(biāo)過低的情況，需要對模型進(jìn)行改進(jìn)。

4.2.1.3屬性抽取

屬性抽取的目標(biāo)是從不同信息源中采集特定實(shí)體的屬性信息，如針對美國陸軍裝備主戰(zhàn)坦克“M1A2主戰(zhàn)坦克”，可以從網(wǎng)絡(luò)公開信息中得到其長度，高度，行動距離，重量，乘員等屬性信息。將實(shí)體的屬性視作實(shí)體與屬性值之間的一種名詞性關(guān)系，將屬性抽取任務(wù)轉(zhuǎn)化為關(guān)系抽取任務(wù)，因此可以通過關(guān)系抽取方法來進(jìn)行屬性抽取。常見的抽取方法包含：

①基于規(guī)則和啟發(fā)式算法，抽取結(jié)構(gòu)化數(shù)據(jù)。

②基于百科類網(wǎng)站的半結(jié)構(gòu)化數(shù)據(jù)，通過自動抽取生成訓(xùn)練語料，用于訓(xùn)練實(shí)體屬性標(biāo)注模型，然后將其應(yīng)用于對非結(jié)構(gòu)化數(shù)據(jù)的實(shí)體屬性抽取。

③采用數(shù)據(jù)挖掘的方法直接從文本中挖掘?qū)嶓w屬性和屬性值之間的關(guān)系模式，據(jù)此實(shí)現(xiàn)對屬性名和屬性值在文本中的定位。

4.2.2知識融合

通過知識抽取，已經(jīng)能夠?qū)④娛骂I(lǐng)域內(nèi)各種內(nèi)部，外部海量數(shù)據(jù)中的實(shí)體，關(guān)系，屬性抽取出來，但是由于領(lǐng)域數(shù)據(jù)采集的來源廣泛，知識質(zhì)量良莠不齊，存在不同數(shù)據(jù)源知識重復(fù)，層次結(jié)構(gòu)缺失等問題，必須進(jìn)行知識的融合，使得不同知識源的知識在同一框架規(guī)范下進(jìn)行異構(gòu)數(shù)據(jù)整合，消歧，加工，推理驗(yàn)證，更新等步驟，形成高質(zhì)量的知識庫。知識融合的技術(shù)主要包括共指消解結(jié)束和實(shí)體鏈接技術(shù)。

4.2.2.1共指消解

共指消解是自然語言處理的重要問題，旨在發(fā)現(xiàn)非結(jié)構(gòu)化文本中指向同一實(shí)體的不同文字表達(dá)（指稱語）。

從軍事領(lǐng)域內(nèi)各種內(nèi)外部文檔中提取出的實(shí)體，在文檔中往往存在不同的指稱語，比如，在段落“斯特賴克旅下轄旅部及旅部連，3個(gè)斯特賴克步兵營和一個(gè)旅保障營，斯特賴克步兵營由三個(gè)相同編制的步兵連組成，是該旅的作戰(zhàn)主體，保障營向作戰(zhàn)營提供伴隨保障，向全旅部隊(duì)提供后勤與維修保障?！敝校瑢τ诮M織編制類實(shí)體“斯特賴克旅”，在文中存在另外兩個(gè)不同的指稱：“該旅”，“全旅部隊(duì)”，確定不同指稱語在真實(shí)世界中所指向的同一實(shí)體的過程稱為共指消解，共指消解對于知識圖譜的構(gòu)建十分重要，它能檢測出同一實(shí)體在文本中的的各種不同或相同的表述，包括普通名詞短語，專有名詞和代詞等，豐富了實(shí)體在文本中的上下文環(huán)境，完善了實(shí)體的屬性，關(guān)系等信息，同時(shí)避免了在進(jìn)行知識圖譜構(gòu)建時(shí)，誤將同一實(shí)體的不同指稱當(dāng)做不同的實(shí)體而存儲到知識圖譜中，保證了知識圖譜中實(shí)體的唯一性。

4.2.2.2實(shí)體鏈接

實(shí)體鏈接是指將文本中的實(shí)體鏈接到指定的知識庫。其基本思想是首先根據(jù)給定的實(shí)體指稱項(xiàng)，從知識庫中選出一組候選實(shí)體對象，然后通過相似度計(jì)算將指稱項(xiàng)鏈接到正確的實(shí)體對象。通過將外部非結(jié)構(gòu)化文檔中的實(shí)體與現(xiàn)有知識圖譜中的實(shí)體進(jìn)行鏈接，然后融合二者的屬性關(guān)系到現(xiàn)有的知識圖譜中，可以幫助現(xiàn)有知識圖譜的不斷更新和完善。

4.2.3知識加工

4.2.3.1本體自動構(gòu)建

本體可以人工手動構(gòu)建，也可以采用數(shù)據(jù)驅(qū)動的自動化方式構(gòu)建本體。因?yàn)槿斯し绞焦ぷ髁烤薮?，且很難找到符合要求的專家，因此當(dāng)前都是從一些面向特定領(lǐng)域的現(xiàn)有本體庫出發(fā)，采用自動構(gòu)建技術(shù)逐步擴(kuò)展得到的。自動化本體構(gòu)建過程包括三個(gè)階段：

①實(shí)體并列關(guān)系相似度計(jì)算

②實(shí)體上下位關(guān)系抽取

③本體的生成

4.2.3.2知識推理

知識推理，就是根據(jù)已有的數(shù)據(jù)模型和數(shù)據(jù)，依據(jù)推理規(guī)則，獲取新的知識或結(jié)論，新的知識或結(jié)論應(yīng)該是滿足語義的。知識推理，依據(jù)描述邏輯系統(tǒng)實(shí)現(xiàn)。一個(gè)描述邏輯系統(tǒng)由四個(gè)基本部分組成：最基本的元素：概念、關(guān)系、個(gè)體；TBox術(shù)語集：概念術(shù)語的公理集合；Abox斷言集：個(gè)體的斷言集合；描述邏輯涉及到的內(nèi)容也比較多，比如，根據(jù)句子中的實(shí)體關(guān)系“M1A2主戰(zhàn)坦克是美國陸軍裝備的主要的主戰(zhàn)坦克?！?，“美國軍隊(duì)由美國陸軍，美國海軍，美國空軍，美國海軍陸戰(zhàn)隊(duì)，美國海岸警衛(wèi)隊(duì)所構(gòu)成”可以直接推理出關(guān)系：“美國軍隊(duì)-武器裝備-M1A2主戰(zhàn)坦克”。通過推理發(fā)現(xiàn)新的知識，應(yīng)用比較多，說明知識圖譜很多時(shí)候會應(yīng)用推理。

4.2.3.3質(zhì)量評估

質(zhì)量評估，就是對最后的結(jié)果數(shù)據(jù)進(jìn)行評估，將合格的數(shù)據(jù)放入知識圖譜中。對于經(jīng)過融合的新知識，需要經(jīng)過質(zhì)量評估之后（部分需要人工參與甄別），才能將合格的部分加入到知識庫中，以確保知識庫的質(zhì)量。質(zhì)量評估的方法，根據(jù)所構(gòu)建的知識圖譜的不同，對數(shù)據(jù)要求的差異而有所差別。總的目的是要獲得合乎要求的知識圖譜數(shù)據(jù)，要求的標(biāo)準(zhǔn)根據(jù)具體情況確定。比如對于公共領(lǐng)域的知識圖譜，知識的獲取采用了眾包的方法，對于同一個(gè)知識點(diǎn)，可能會有很多人來完成，如果這個(gè)知識點(diǎn)只有一個(gè)答案，可以采用的一種策略是，將多人的標(biāo)注結(jié)果進(jìn)行比較，取投票多的結(jié)果作為最終的結(jié)果。當(dāng)然，這是不嚴(yán)謹(jǐn)?shù)模驗(yàn)檎胬硗莆赵谏贁?shù)人的手里，特別是針對一些行業(yè)的知識圖譜，表現(xiàn)尤為突出。行業(yè)內(nèi)的一條知識，可能只有行業(yè)專家能夠給出權(quán)威正確的答案，如果讓大眾投票來決定，可能會得到一條錯誤的知識。所以，針對行業(yè)知識圖譜，可能會采用不同于公共知識圖譜的策略，來進(jìn)行知識的質(zhì)量評估。

5 結(jié)束語

作戰(zhàn)試驗(yàn)實(shí)施過程中的海量數(shù)據(jù)帶來了信息過載的問題，降低了參試人員獲取知識的效率。作戰(zhàn)試驗(yàn)知識圖譜提供了一種管理與利用海量異構(gòu)數(shù)據(jù)源的有效方式，大量的作戰(zhàn)試驗(yàn)數(shù)據(jù)能夠得到良好的表達(dá)與組織。將其應(yīng)用到作戰(zhàn)試驗(yàn)領(lǐng)域內(nèi)的智能搜索、深度問答、輔助決策等方面，有助于決策和分析人員快速準(zhǔn)確地獲取知識，增進(jìn)知識的共享，提高信息化條件下的決策分析能力。本文在對知識圖譜的定義及架構(gòu)進(jìn)行闡述的基礎(chǔ)上，研究了作戰(zhàn)試驗(yàn)數(shù)據(jù)知識圖譜的構(gòu)建技術(shù)流程，能夠支撐作戰(zhàn)試驗(yàn)大規(guī)模分析、統(tǒng)一籌劃、輔助決策等多種應(yīng)用，具有重要的軍事應(yīng)用前景。

參考文獻(xiàn)

[1]陳乘風(fēng)，何宇，趙偉.加強(qiáng)作戰(zhàn)數(shù)據(jù)建設(shè)的思考[J].軍隊(duì)信息化建設(shè)，2012，（2）：16-17.

[2]張引， 陳敏， 廖小飛. 大數(shù)據(jù)應(yīng)用的現(xiàn)狀與展望[J]. 計(jì)算機(jī)研究與發(fā)展， 2013， 50（s2）：216-233.

[3]曹會智， 李沛， 劉俊杰， 等. 大數(shù)據(jù)時(shí)代背景下裝備保障建設(shè)發(fā)展研究[J]. 中國管理信息化， 2014（17）：52-54.

[4]阮彤， 王夢婕， 王昊奮， 等. 垂直知識圖譜的構(gòu)建與應(yīng)用研究[J]. 知識管理論壇， 2016（3）：226-234.

[5]徐增林， 盛泳潘， 賀麗榮， 等.知識圖譜技術(shù)綜述[J].電子科技大學(xué)學(xué)報(bào)， 2016， 45（4）：589-606.

[6]劉嶠， 李楊， 楊段宏， 等. 知識圖譜構(gòu)建技術(shù)綜述[J].計(jì)算機(jī)研究與發(fā)展， 2016， 53（3）：582-600.

[7]嚴(yán)紅， 黃穎， 應(yīng)勵志. 面向軍事信息系統(tǒng)結(jié)構(gòu)化數(shù)據(jù)的信息匯聚方法[J]. 指揮信息系統(tǒng)與技術(shù)， 2015， 6（1）：29-34.

[8]李濤， 王次臣， 李華康. 知識圖譜的發(fā)展與構(gòu)建[J]. 南京理工大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2017， 41（1）：22-34.

（作者單位：王小龍，中國人民解放軍陸軍工程大學(xué)；劉小朋，中國人民解放軍陸軍工程大學(xué)、中國人民解放軍63861部隊(duì)；王磊，中國人民解放軍63861部隊(duì)；王宏，中國人民解放軍陸軍工程大學(xué)、云南省臨滄軍分區(qū)）