基于知識圖譜的軟件工程數(shù)據(jù)庫設(shè)計

陳永芳

（茂名職業(yè)技術(shù)學(xué)院 計算機工程系，廣東 茂名 525000）

0 引 言

根據(jù)國家“十四五”規(guī)劃工程實施提案規(guī)定，中國在2020年底將加快工業(yè)軟件的發(fā)展，以實現(xiàn)國家軟件安全和工業(yè)、制造業(yè)的合理轉(zhuǎn)型，這不僅是軟件工程領(lǐng)域發(fā)展的機遇，也是在實踐過程中面臨的重大挑戰(zhàn)。目前，在軟件工程領(lǐng)域中，通過數(shù)據(jù)庫構(gòu)建進行軟件管理，而在數(shù)據(jù)庫建立過程中，主要通過構(gòu)建工程知識圖譜進行軟件工程數(shù)據(jù)庫的研發(fā)、分配、工作推進、故障消除、檢索、推送等，一方面增加了軟件工程數(shù)據(jù)庫的智能化和管理優(yōu)質(zhì)，另一方面顯著提升了軟件開發(fā)的質(zhì)量和效率，使用戶在獲取軟件知識時更便捷、高效。

知識圖譜是指對軟件工程的概念和功能進行多層次、全方位的匯總，進而構(gòu)建類似思維領(lǐng)域的思維導(dǎo)圖，再通過圖形可視化、應(yīng)用模型、數(shù)學(xué)統(tǒng)計和科學(xué)統(tǒng)計等手段構(gòu)建智能化推薦框架，實現(xiàn)對軟件工程資源細致化描述，使各軟件知識在軟件數(shù)據(jù)庫中獲得快速響應(yīng)。當前，構(gòu)建的知識圖譜主要功能是快速檢索、獲取信息資源深度和信息獲取效率提升等，不僅是金融、科學(xué)教育、軟件工程和培訓(xùn)中的重要技術(shù)支持，而且是知識圖譜數(shù)據(jù)源中的重要組成部分之一。

為實現(xiàn)智能化、科技化、合理化且準確化的軟件工程數(shù)據(jù)庫構(gòu)建，本文基于軟件工程基礎(chǔ)數(shù)據(jù)，以知識圖譜為技術(shù)手段構(gòu)建軟件工程數(shù)據(jù)庫，該數(shù)據(jù)庫具備全面性、可擴展性、多樣性和經(jīng)濟性等基礎(chǔ)特征，并通過術(shù)語表示、數(shù)學(xué)模型構(gòu)建等方法實現(xiàn)對軟件工程數(shù)據(jù)庫的獲取、查詢和優(yōu)質(zhì)管理。隨后，通過對軟件工程數(shù)據(jù)庫知識圖譜數(shù)據(jù)進行性能、功能雙測試，進而優(yōu)化基于知識圖譜的智慧化信息資源調(diào)度系統(tǒng)，充分發(fā)揮軟件工程數(shù)據(jù)庫的綜合經(jīng)濟效益，實現(xiàn)軟件工程資源信息的可持續(xù)發(fā)展戰(zhàn)略。

1 軟件工程數(shù)據(jù)庫知識圖譜構(gòu)建理論及技術(shù)

1.1 軟件工程數(shù)據(jù)庫體系構(gòu)成

本文為詳細掌握基于知識圖譜的軟件工程數(shù)據(jù)庫，便于用戶和機構(gòu)高效、多方面地獲取軟件信息資源，構(gòu)建軟件工程知識圖譜體系示意圖（見圖1）。通過圖1可知，研究構(gòu)建體系主要由數(shù)據(jù)獲取/導(dǎo)入、知識建模和知識融合構(gòu)成。其中，數(shù)據(jù)獲取/導(dǎo)入主要通過外部關(guān)系數(shù)據(jù)庫、半結(jié)構(gòu)數(shù)據(jù)庫和網(wǎng)絡(luò)數(shù)據(jù)庫導(dǎo)入軟件工程信息資源，從而擴展軟件工程知識圖譜的知識素材，實現(xiàn)數(shù)據(jù)的多元化。知識建模主要分為關(guān)系型數(shù)據(jù)建模和文本關(guān)鍵要素識別，是知識圖譜技術(shù)的核心內(nèi)容，其主要功能是通過術(shù)語表示、知識抽取和實體建模等過程進行軟件工程資源知識獲取、識別等。知識融合則主要分為知識對齊、圖譜更新內(nèi)容，這里的知識對齊具體分為實體對齊、屬性對齊和實體關(guān)系學(xué)習(xí)，以此為基礎(chǔ)，通過軟件知識資源的獲取、識別、對齊后實現(xiàn)軟件工程資源數(shù)據(jù)的更新和融合，進而構(gòu)建基于知識圖譜可視化、智能化的軟件工程數(shù)據(jù)庫。

圖1 軟件工程數(shù)據(jù)庫知識圖譜示意圖Fig.1 Schematic diagram of knowledge map of software engineering database

1.2 知識圖譜架構(gòu)研究方法

本文通過知識圖譜方法對軟件工程數(shù)據(jù)庫進行研究。研究中在構(gòu)建知識圖譜時，主要通過詞頻分析法、關(guān)聯(lián)詞分析法和社會網(wǎng)絡(luò)分析法等研究方法實現(xiàn)知識圖譜架構(gòu)。其中，詞頻分析法，通過軟件工程中的關(guān)鍵詞，如軟件、科學(xué)工程、信息技術(shù)等進行索引，將具備相關(guān)軟件知識資源的內(nèi)容匯聚在一起，同時通過關(guān)鍵詞頻獲悉詞頻關(guān)注度，進而分析關(guān)鍵詞探析軟件工程結(jié)構(gòu)、研究熱點等內(nèi)容，實現(xiàn)知識匯總。關(guān)聯(lián)詞分析法，主要通過同類中的相關(guān)性，揭示研究對象與對象間的特征關(guān)系，進而將有關(guān)詞頻加入知識圖譜信息庫，實現(xiàn)軟件工程數(shù)據(jù)庫的建立。社會網(wǎng)絡(luò)分析法，將軟件信息資源擴展到社會各領(lǐng)域中，通過社會分析法，揭示相關(guān)領(lǐng)域間的關(guān)系和發(fā)展狀態(tài)，以量化研究構(gòu)建社會網(wǎng)絡(luò)個體關(guān)系模型，通過網(wǎng)絡(luò)屬性，探析不同成員間網(wǎng)絡(luò)結(jié)構(gòu)特征和社會屬性特征，用于實現(xiàn)軟件工程知識的索引獲取，將知識資源通過知識圖譜技術(shù)展示給用戶，使用戶獲取的信息精度和信息量皆為最優(yōu)，實現(xiàn)知識圖譜架構(gòu)體系的優(yōu)質(zhì)性。

2 軟件工程數(shù)據(jù)庫知識圖譜設(shè)計

2.1 設(shè)計原理

2.1.1 數(shù)據(jù)庫全面性

本文基于知識圖譜技術(shù)構(gòu)建軟件工程數(shù)據(jù)庫，應(yīng)用圖像（可視化）和資源數(shù)據(jù)（數(shù)據(jù)表示）理論，通過定性、定量化分析應(yīng)用對關(guān)系型數(shù)據(jù)、半結(jié)構(gòu)型數(shù)據(jù)和網(wǎng)絡(luò)型數(shù)據(jù)進行匯總，并以軟件工程學(xué)科知識和相近管理學(xué)科知識作為數(shù)據(jù)源，實現(xiàn)軟件工程數(shù)據(jù)的全方位、多層次定位分析，以保障數(shù)據(jù)信息的安全性和全面性，達到用戶高效獲取信息資源的目的。

2.1.2 數(shù)據(jù)庫可擴展性

在軟件工程知識圖譜體系構(gòu)建后，軟件工程專業(yè)知識的內(nèi)容將更為透徹，但知識在學(xué)習(xí)中是不斷挖掘和拓展的過程，在不同用戶獲取軟件工程知識、學(xué)習(xí)知識的過程中，對知識的解譯程度不一，因此，新的軟件知識將不斷涌現(xiàn)，并不斷被知識圖譜體系收錄，以此實現(xiàn)了軟件工程數(shù)據(jù)庫的擴展，知識存儲量也隨即得以提高。

2.1.3 數(shù)據(jù)庫多樣性和經(jīng)濟性

本文基于知識圖譜理論和技術(shù)所構(gòu)建的軟件工程數(shù)據(jù)庫，主要包括軟件工程基礎(chǔ)知識、熱點知識、前言理論知識、前言知識圖譜知識、多層次軟件知識、全方位軟件工程理論等，實現(xiàn)了軟件工程數(shù)據(jù)庫的多樣化，同時，在一定程度上也為軟件工程理論研究提供了技術(shù)支持。在經(jīng)濟性方面，一方面降低了軟件工程學(xué)科和數(shù)據(jù)庫在知識獲取方面的花銷和周期，另一方面通過相關(guān)聯(lián)系知識，提高了用戶的使用概率，發(fā)揮了知識圖譜工具的優(yōu)勢，經(jīng)濟發(fā)展能力得到提升。

2.2 設(shè)計思路

本文通過對軟件工程數(shù)據(jù)庫知識圖譜進行開發(fā)設(shè)計，以利于便捷信息資源的管理和獲取。首先將其主要分為分層次、步驟和模塊三個方面。在分層次中，每層間具有本身的特征屬性，但每層之間又存在著相互管理，通過分析數(shù)據(jù)資源原理、分層設(shè)計后有助于實現(xiàn)軟件工程數(shù)據(jù)庫知識圖譜的安全、科學(xué)管理過程。其次，分步驟中，通過軟件工程知識主體、研究熱點、前沿知識匯總、存儲、特征關(guān)聯(lián)和獲取等，將數(shù)據(jù)庫設(shè)計為科學(xué)、高效、有管理制度的發(fā)展趨勢，不僅有利于知識圖譜軟件工程數(shù)據(jù)庫的良性發(fā)展，而且確定了知識的集中性和研究熱點原則。在模塊方面，通過構(gòu)建知識實體獲取、表示模塊、數(shù)據(jù)庫構(gòu)建實現(xiàn)和數(shù)據(jù)庫功能測試等模塊，不同模塊間相互關(guān)聯(lián)，遵循數(shù)據(jù)資源共享、共建原則，以此，有利于知識圖譜技術(shù)的可持續(xù)發(fā)展。

2.3 設(shè)計構(gòu)架

圖2為知識圖譜設(shè)計框架示意圖。通過圖2可知，軟件工程數(shù)據(jù)庫知識圖譜設(shè)計構(gòu)架在圖1軟件工程數(shù)據(jù)庫總體體系上，將其進一步細化為5部分，包括數(shù)據(jù)庫、數(shù)據(jù)庫整合、知識表示、圖譜構(gòu)建和應(yīng)用服務(wù)等。其中，知識表示是主體研究內(nèi)容，其實體對齊和質(zhì)量評估是知識圖譜建成的關(guān)鍵點，其功能一方面保證了數(shù)據(jù)獲取過程中的準確性和有效性，另一方面軟件工程數(shù)據(jù)經(jīng)對齊特征，將關(guān)聯(lián)數(shù)據(jù)匯總進數(shù)據(jù)庫，實現(xiàn)了不同層面、不同方位上的知識解讀，知識圖譜研究框架的構(gòu)建，有利于軟件工程數(shù)據(jù)庫的可視化數(shù)據(jù)展示，進一步有效避免了在數(shù)據(jù)分析、知識資源分析和知識屬性特征認證中的錯誤性和重復(fù)性問題。

圖2 知識圖譜設(shè)計構(gòu)架Fig.2 Design framework of knowledge map

2.3.1 術(shù)語表示

在知識圖譜架構(gòu)體系中，術(shù)語表示是極為關(guān)鍵的，這不僅是知識圖譜中學(xué)習(xí)概念、實體構(gòu)建、數(shù)據(jù)資源和屬性特征語言上的表現(xiàn)形式，而且是相關(guān)術(shù)語或者數(shù)據(jù)庫存儲標記的集合體。在構(gòu)架體系中，術(shù)語常有單個字或者多個字、詞組成，在特定的環(huán)境、特定的背景和領(lǐng)域中表達各不同的含義，對同種特征關(guān)系的知識圖譜軟件工程數(shù)據(jù)庫的數(shù)據(jù)資源解譯是極為重要的。術(shù)語表示中，術(shù)語抽取是核心內(nèi)容，主要通過語言規(guī)則和統(tǒng)計學(xué)方法進行抽取表示，在統(tǒng)計方法中，統(tǒng)計基準值主要為TF-IDF（Term Frequency-Inverse Document Frequency）、卡方分布和互信息分布等，不僅有效解譯了術(shù)語表示信息，而且提高了用戶對軟件工程專業(yè)知識的認知效率。其中，術(shù)語表示統(tǒng)計學(xué)表達式可分別寫為：

其中，表示最常用的屬于分布特征權(quán)重基準；（）表示詞頻，即詞匯在文檔中的總次數(shù)；（）表示文檔頻率，即詞匯在文檔中的數(shù)目；表示總文檔數(shù)目。

2.3.2 知識表示

在知識圖譜構(gòu)架體系中，知識表示是指將收集、存儲、轉(zhuǎn)化和解譯的信息直觀清晰地展示在用戶界面上。在軟件工程數(shù)據(jù)庫設(shè)計中，通過編碼知識、行為、目標、偏好等，給出多個維度評價知識圖譜知識表示，實現(xiàn)知識表示過程中具有足夠多的細節(jié)知識，以及易理解、易傳輸和易提取等。同時為更好地實現(xiàn)知識圖譜數(shù)據(jù)資源知識表示，本文通過距離模型和單層神經(jīng)網(wǎng)絡(luò)進行數(shù)據(jù)庫信息知識表示，對此擬做研究分述如下。

（1）距離模型。結(jié)構(gòu)表示方法將頭實體和尾實體通過關(guān)系的2個矩陣投影到同一空間，投影向量之間的距離體現(xiàn)了2個實體在關(guān)系下的語義相關(guān)度。對于每個三元組（，，），損失函數(shù)為：

其中，M 、M 是關(guān)系對于頭實體和尾實體投影矩陣。

（2）單層神經(jīng)網(wǎng)絡(luò)。此處涉及的數(shù)學(xué)公式可寫為：

單層神經(jīng)網(wǎng)絡(luò)模型是結(jié)構(gòu)表示的改進版本，利用神經(jīng)網(wǎng)絡(luò)的非線性減輕結(jié)構(gòu)表示協(xié)同性差的問題。

3 知識圖譜構(gòu)建系統(tǒng)實現(xiàn)與測試

3.1 數(shù)據(jù)采集模式庫實現(xiàn)

由于知識圖譜是屬于結(jié)構(gòu)化的詞義知識網(wǎng)絡(luò)庫，選取知識概念和相互關(guān)系用于知識抽取，進行大量知識的積累，因此，通過知識圖譜可實現(xiàn)數(shù)據(jù)資源的快速響應(yīng)。目前，在軟件工程領(lǐng)域中，通過可視化將數(shù)據(jù)采集的項目、風(fēng)險等級預(yù)測、質(zhì)量因素等相關(guān)信息資源清晰地展示出來，對問題發(fā)現(xiàn)、數(shù)據(jù)匯總和高效查閱提供了優(yōu)質(zhì)手段。其次，知識圖譜技術(shù)將相同特征信息進行聚類分析處理，很大程度上提高了用戶在海量信息中獲取關(guān)鍵術(shù)語、概念的精準效率。目前，在軟件工程領(lǐng)域中（常見的百度搜索、天眼系統(tǒng)等），因行業(yè)區(qū)域知識相差較大，為符合實際應(yīng)用需求，需構(gòu)建知識圖譜網(wǎng)狀體系進行軟件工程數(shù)據(jù)庫的設(shè)計，從多方面、多層次內(nèi)為用戶資料獲取提供強力支持。

3.2 系統(tǒng)功能模塊測試

本文為保證知識圖譜系統(tǒng)的各個模塊能進行正常運轉(zhuǎn)，通過不同測試方法對用戶登錄管理模塊、知識表示模塊、模型模塊等方面進行測試，以探尋可能出現(xiàn)的系統(tǒng)問題，期待預(yù)期結(jié)果和測試方法見表1。

表1 系統(tǒng)功能測試內(nèi)容Tab.1 System functional test content

4 結(jié)束語

本文通過知識圖譜技術(shù)的優(yōu)點特征設(shè)計了一類軟件工程數(shù)據(jù)庫，通過掌握知識圖譜的構(gòu)架過程及詞頻分析法、關(guān)聯(lián)詞分析法和社會網(wǎng)絡(luò)分析法等研究方法，首先，深入分析了知識圖譜數(shù)據(jù)庫的全面性、可擴展性、經(jīng)濟性等優(yōu)點，其特點是通過軟件工程數(shù)據(jù)庫實現(xiàn)用戶的信息資源的精準獲取目的。其次，通過對設(shè)計構(gòu)架的知識表示、術(shù)語表示等的探討來深入解析知識圖譜原理，以便于軟件工程數(shù)據(jù)庫的設(shè)計、開發(fā)和應(yīng)用。最后，通過知識圖譜軟件工程數(shù)據(jù)庫的實現(xiàn)和測評，驗證其資源獲取性能和效率。本文通過知識圖譜軟件工程數(shù)據(jù)庫的構(gòu)建，極大提升了用戶項目開發(fā)、軟件工程信息資源調(diào)查時的工作效率。