面向電力項目的知識圖譜構(gòu)建及應(yīng)用研究

張思慧 胡廣林 魏國旺

收稿日期：2023-07-31

DOI：10.19850/j.cnki.2096-4706.2024.06.025

摘? 要：文章針對電力公司在項目管理過程中存在的項目數(shù)量多、范圍廣、管理鏈條長、項目各階段數(shù)據(jù)難以深度融合和應(yīng)用的問題，基于語義網(wǎng)、知識圖譜、自然語言處理等人工智能技術(shù)，對項目管理智能化提升的關(guān)鍵技術(shù)進(jìn)行了研究，提出了項目智能化管理提升的技術(shù)方案，包括以項目為中心的知識表示、知識存儲、知識服務(wù)應(yīng)用三部分內(nèi)容，基于技術(shù)方案撘建了知識圖譜平臺，并總結(jié)了該技術(shù)在項目時序圖譜構(gòu)建、項目智能問答兩個場景的應(yīng)用及成果，明確了基于知識圖譜提升項目效率效益，支撐精準(zhǔn)投資，促進(jìn)精益管理的研究方向。

關(guān)鍵詞：知識圖譜；項目時序；標(biāo)簽推薦；智能問答

中圖分類號：TP391? ? 文獻(xiàn)標(biāo)識碼：A? ? 文章編號：2096-4706（2024）06-0115-07

Research on Knowledge Graph Construction and Application for Electricity Power Projects

ZHANG Sihui， HU Guanglin， WEI Guowang

（Beijing Guodiantong Network Technology Co.， Ltd.， Beijing? 100070， China）

Abstract： Aiming at the situation that the electricity power companies encounter problems such as a large number of projects， a wide range of projects， a long project management chain， and difficulties in deep integration and application of data at various stages in the process of project management， this paper researches the key technologies for intelligent improvement of project management based on artificial Intelligence technologies such as Semantic Web， Knowledge Graph， and natural language processing. It proposes a technical solution for the improvement of intelligent project management， including three parts of project-centered knowledge representation， knowledge storage， and knowledge service application. Based on the technical solution， it builds the Knowledge Graph platform and summarizes the application and achievements of the technology in the two scenarios of timing map construction of project and Intelligent Q&A of project. In summing up it may be stated that the research direction of improving project efficiency and benefits based on Knowledge Graph， supporting accurate investment， and promoting lean management is clarified.

Keywords： Knowledge Graph; project timing; label recommended; Intelligent Q&A

0? 引? 言

知識圖譜是人工智能的一個分支，對可解釋人工智能具有重要作用，近幾年，隨著知識表示和機(jī)器學(xué)習(xí)等技術(shù)的快速發(fā)展，知識圖譜相關(guān)的技術(shù)取得了突破性進(jìn)展，特別是知識圖譜涉及的知識抽取、表示、融合、推理、問答等技術(shù)以及知識服務(wù)技術(shù)，都得到了快速的發(fā)展。這些技術(shù)的進(jìn)步使知識圖譜在工業(yè)、電力行業(yè)受到廣泛的關(guān)注，并取得顯著成果。谷歌、微軟、百度等互聯(lián)網(wǎng)公司率先構(gòu)建了大規(guī)模通用化知識圖譜，提供基于實體和關(guān)系的語義搜索，可以更好地理解和幫助用戶進(jìn)行查詢[1]。知識圖譜還在智能決策系統(tǒng)、推薦系統(tǒng)和智能問答系統(tǒng)中起到了重要作用，知識圖譜不僅具有巨大的應(yīng)用價值，而且具有重要的理論價值。

基于知識圖譜推理、探索挖掘等技術(shù)，實現(xiàn)了項目數(shù)據(jù)資源的網(wǎng)絡(luò)化表達(dá)，一方面將孤立的數(shù)據(jù)資源建立關(guān)聯(lián)關(guān)系，有助于跨地域、跨專業(yè)的數(shù)據(jù)共享和檢索利用，提高了企業(yè)數(shù)據(jù)資產(chǎn)化管理水平；另一方面為用戶提供快速檢索、數(shù)據(jù)收集、精準(zhǔn)推薦等個性化服務(wù)，提高信息檢索效率，輔助提升項目管理決策分析水平，為電網(wǎng)發(fā)展賦能、賦值、賦智[2]。

1? 電力項目管理現(xiàn)狀及問題

電力企業(yè)項目管理特點突出，一是項目數(shù)量多，項目投資數(shù)千億，執(zhí)行項目達(dá)數(shù)十萬；二是項目管理分布廣，項目專項多達(dá)16類，分布在公司各專業(yè)；三是項目全過程管理鏈路長，涉及各專業(yè)、各單位、各層級。

當(dāng)前政府監(jiān)管日趨嚴(yán)格，電力改革、國企改革進(jìn)入關(guān)鍵突破期，公司加快推進(jìn)戰(zhàn)略目標(biāo)落地，促進(jìn)產(chǎn)業(yè)升級，推進(jìn)管理體制變革，這都對公司項目管理提出了更高的要求，為了提升管理效率效益，要支撐精準(zhǔn)投資，促進(jìn)精益管理，銜接外部監(jiān)管，提高管理透明度，規(guī)范信息發(fā)布渠道。在中臺架構(gòu)體系基本建成的基礎(chǔ)上，提出重點推動服務(wù)深化、數(shù)據(jù)貫通、智慧賦能，為適應(yīng)改革發(fā)展新形勢，全面提升項目管理數(shù)字化水平。助力全面跨越，共享服務(wù)需要進(jìn)一步迭代建設(shè)，強(qiáng)化數(shù)字化運(yùn)營、精準(zhǔn)化管控和智能化決策，為各類業(yè)務(wù)服務(wù)、為各級管理賦能。

為了適應(yīng)改革發(fā)展新形勢，響應(yīng)公司項目管理改革創(chuàng)新要求，實現(xiàn)公司項目全景可見、投資精準(zhǔn)、決策規(guī)范、協(xié)同高效、風(fēng)險可控、降本增效的總體目標(biāo)，需建立統(tǒng)一、規(guī)范的全鏈條全口徑項目管理流程，構(gòu)建風(fēng)險防范及預(yù)警機(jī)制，推進(jìn)項目管理數(shù)字化轉(zhuǎn)型，驅(qū)動發(fā)展方式、管理模式變革[3]。加強(qiáng)項目管理意義重大，項目作為公司經(jīng)營管理的最小單元，是落實中央決策部署、服務(wù)經(jīng)濟(jì)社會發(fā)展的重要載體，是推動公司“一體四翼”發(fā)展布局落地、促進(jìn)公司高質(zhì)量發(fā)展的重要抓手；在管理上，要聚焦效率效益，聚焦規(guī)劃落地，切實提升投入產(chǎn)出水平。

2? 項目知識圖譜關(guān)鍵技術(shù)研究

2.1? 項目知識圖譜構(gòu)建技術(shù)

知識圖譜是以圖的形式來描述知識和建模，以表現(xiàn)客觀世界中的概念和實體及其之間關(guān)系的知識庫[4]。知識圖譜由結(jié)點和邊組成，結(jié)點可以是實體，如知識圖譜、人工智能，邊可以代表實體的屬性，如項目的名稱和分類，也可以是實體之間的關(guān)系，如朋友、師生。

知識圖譜旨在從數(shù)據(jù)中識別、發(fā)現(xiàn)和推斷實物與概念之間的復(fù)雜關(guān)系，是事物關(guān)系的可計算模型。知識圖譜構(gòu)建涉及知識建模、關(guān)系抽取、圖存儲、關(guān)系推理、實體融合等多方面的技術(shù)，而知識圖譜應(yīng)用則涉及語義搜索、智能問答、語言理解、決策分析等多個領(lǐng)域[5]，事物關(guān)系的可計算模型如圖1所示。

圖1? 事物關(guān)系的可計算模型

2.1.1? 項目結(jié)構(gòu)化數(shù)據(jù)知識抽取技術(shù)

項目相關(guān)的結(jié)構(gòu)化數(shù)據(jù)包括項目屬性特征信息，如項目名稱、項目編碼、電壓等級、專項類型、項目標(biāo)簽等，這些知識和信息來源于支撐企業(yè)業(yè)務(wù)的關(guān)系數(shù)據(jù)庫中，通過定義直接映射規(guī)范，確定關(guān)系數(shù)據(jù)庫表與類、屬性、實體的映射關(guān)系，將數(shù)據(jù)庫表結(jié)構(gòu)和數(shù)據(jù)直接轉(zhuǎn)換為RDF（Resource Description Framework， RDF）數(shù)據(jù)[6]。

2.1.2? 項目非結(jié)構(gòu)化數(shù)據(jù)知識抽取技術(shù)

項目管理過程中存在大量以自由文本和文件形式存在的非結(jié)構(gòu)化數(shù)據(jù)，如項目內(nèi)容信息、項目《可行性研究報告》文件等。通過實體和關(guān)系抽取，實現(xiàn)從項目文本信息中提取實體信息的元素，包括項目名稱、單位、投資、解決問題、關(guān)聯(lián)設(shè)備等，以及兩個或多個實體間的語義關(guān)系。本文所述采用基于規(guī)則模板的抽取和智能模型的方式實現(xiàn)對非結(jié)構(gòu)化項目文本的實體和關(guān)系信息抽取，具體內(nèi)容如下。

1）基于模板的關(guān)系抽取，該類方法基于語言學(xué)的知識，結(jié)合語料的特點，基于專家經(jīng)驗確定具有固定格式的描述文本，較適用于小規(guī)模、限定領(lǐng)域的實體關(guān)系抽取問題上[7]。例如項目關(guān)聯(lián)的電網(wǎng)設(shè)備通常描述為“武寧站1#主變、南武線”，變電站、變壓器、線路名稱表現(xiàn)出較為突出的模板屬性，針對此類型項目信息，模板構(gòu)建簡單，可以比較快在小規(guī)模數(shù)據(jù)集上實現(xiàn)關(guān)系抽取[8]。

2）基于統(tǒng)計模型的方法。針對電力公司歷年項目可行性研究報告數(shù)據(jù)，分別利用條件隨機(jī)場（CRF）、LSTM-CRF實體識別模型（長短時記憶神經(jīng)網(wǎng)絡(luò)（Long Shot-Term Memory Neural Network， LSTM）與CRF相結(jié)合進(jìn)行實體識別），將WORD、PDF、WPS等非結(jié)構(gòu)化數(shù)據(jù)，通過數(shù)據(jù)標(biāo)注、關(guān)系提取等方式，實現(xiàn)內(nèi)容信息的結(jié)構(gòu)化提取[9]，LSTM-CRF實體識別模型如圖2所示。

圖2? LSTM-CRF實體識別模型

2.1.3? 知識存儲

從數(shù)據(jù)模型的角度來看，知識圖譜的本質(zhì)是一種圖數(shù)據(jù)。目前表示知識圖譜的兩種圖數(shù)據(jù)模型主要為RDF圖和屬性圖，在RDF三元組集合中，每個資源具有一個唯一的ID；一個RDF圖定義為三元組（s，p，o）的有限集合；每個三元組可表述為一個陳述句，s為主語，p是謂語，o是賓語；（s，p，o）代表資源s與資源o具有關(guān)聯(lián)關(guān)系p，或表示資源s具有屬性p且取值為o [1]。

三元組表是將知識圖譜存儲到關(guān)系數(shù)據(jù)庫中最簡單、最直接的辦法，其原理就是在關(guān)系數(shù)據(jù)庫中建立一張具有三列的表，表的模式為：三元組表（主語，謂語，賓語），將構(gòu)建的知識圖譜中的每一項三元組存儲為三元組表中的一行記錄。面向RDF的三元組數(shù)據(jù)庫是專門為了存儲大規(guī)模RDF數(shù)據(jù)而開發(fā)的知識圖譜數(shù)據(jù)庫，其支持標(biāo)準(zhǔn)RDF的標(biāo)準(zhǔn)查詢語言SPARQLA。在項目知識圖譜構(gòu)建及應(yīng)用場景中，綜合考慮語義分析需求、組件的兼容性及易擴(kuò)展性的因素，選取語義網(wǎng)RDF模型作為電力項目知識圖譜的知識表示模型，使用支持RDF存儲的三元組數(shù)據(jù)庫及開源MongoDB數(shù)據(jù)庫組件實現(xiàn)對電力項目知識圖譜數(shù)據(jù)的存儲[10]。

2.2? 知識圖譜和智能問答

基于知識圖譜的知識問答（Knowledge-based Question Answering， KBQA）是智能問答的核心，是一種人機(jī)交互的自然方式。知識問答依托大型知識庫（例如知識圖譜、結(jié)構(gòu)化數(shù)據(jù)庫等），將用戶的通過自然語言描述的問題，轉(zhuǎn)化為結(jié)構(gòu)化查詢語言，直接從知識庫提取出用戶想要的答案。知識問答主要聚焦于解決事實型問答，事實型問題按類型分為單知識點問題（Single-hop Questions）和多知識點問題（Multi-hop Questions），按問題的領(lǐng)域分為垂直領(lǐng)域問題和通用領(lǐng)域問題[11]。本文所述電力項目智能問答場景，相較于通用領(lǐng)域或開放領(lǐng)域，內(nèi)容的垂直度較高，知識圖譜規(guī)模更小，精度更高，故選取基于語義分析和意圖識別的方法，在基于語義解析的方法訓(xùn)練過程中，問題模型會對標(biāo)注數(shù)據(jù)中蘊(yùn)含的語法和解析規(guī)律進(jìn)行隱式的學(xué)習(xí)，使得模型具有更好的可解釋性，以實現(xiàn)針對項目有效信息檢索式的知識問答[12]。

3? 知識圖譜技術(shù)框架

3.1? 總體架構(gòu)

基于上述項目知識圖譜關(guān)鍵技術(shù)的研究和探索，構(gòu)建知識圖譜平臺，整體功能結(jié)構(gòu)設(shè)計從上到下分為三層，分別是應(yīng)用層、核心層和數(shù)據(jù)層。

數(shù)據(jù)層：通過規(guī)范的流程處理，抽取關(guān)系型數(shù)據(jù)并統(tǒng)一存儲為符合RDFS/OWL標(biāo)準(zhǔn)的三元組數(shù)據(jù)[13]。

核心層：針對數(shù)據(jù)消費(fèi)場景，提供數(shù)據(jù)處理過程中的算法和知識圖譜分析算法。

應(yīng)用層：基于數(shù)據(jù)和核心算法能力，提供圖譜管理、概念管理、屬性管理、數(shù)據(jù)管理、圖分析等多種業(yè)務(wù)應(yīng)用場景，項目知識圖譜技術(shù)框架如圖3所示。

3.2? 工作流程

工作流程如下：

1）用戶首先建立圖譜schema，也就是一個業(yè)務(wù)領(lǐng)域內(nèi)的數(shù)據(jù)模型，包含這個領(lǐng)域內(nèi)有意義的概念類型、概念屬性和關(guān)系。

2）關(guān)聯(lián)結(jié)構(gòu)化數(shù)據(jù)來源，由于原始數(shù)據(jù)往往存在臟數(shù)據(jù)和格式問題，一般需要人工介入清洗處理。

3）在數(shù)據(jù)抽取中，將schema概念與數(shù)據(jù)關(guān)聯(lián)，導(dǎo)入調(diào)增好格式的結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)大多為各業(yè)務(wù)系統(tǒng)核心數(shù)據(jù)，這種數(shù)據(jù)結(jié)構(gòu)基本完整或清洗程度較低，稍做結(jié)構(gòu)調(diào)整即可進(jìn)入圖譜使用。

4）隨著數(shù)據(jù)的增長或多個數(shù)據(jù)來源時存在數(shù)據(jù)沖突問題，這時候通過屬性相似度、實體相似度等方法將描述同一個概念、實體的信息融合起來。

5）提供可視化的知識地圖呈現(xiàn)知識圖譜的內(nèi)在關(guān)系，同時提供了基于節(jié)點、關(guān)系的數(shù)據(jù)挖掘分析工具，知識圖譜構(gòu)建工作流程如圖4所示。

4? 項目知識圖譜應(yīng)用成果

4.1? 項目時序圖譜構(gòu)建

按照本文2.1節(jié)所述的知識圖譜構(gòu)建方法，收集歷年項目基本信息、項目文件數(shù)據(jù)，針對項目特征，如名稱、編碼、專項類型、標(biāo)簽等構(gòu)建概念模型；從項目資源、項目規(guī)劃、項目儲備等各業(yè)務(wù)數(shù)據(jù)中抽取數(shù)據(jù)信息，完成實體項目知識圖譜構(gòu)建。

4.1.1? 本體建模

針對項目知識圖譜本體建模分為兩種模式，一種是圖形化的本體建模方式，通過拖拉拽的方式完成電力項目涉及概念、屬性、關(guān)系的定義，并將建模成果以圖形化方式展示；另一種是支持用戶通過Excel定義本體，并快速導(dǎo)入系統(tǒng)，并支持本體在不同系統(tǒng)之間的數(shù)據(jù)遷移，建模成果圖形化展示如圖5所示。

4.1.2? 數(shù)據(jù)存儲

基于屬性圖模型對數(shù)據(jù)進(jìn)行了存儲，并通過多種索引方式，實現(xiàn)對圖數(shù)據(jù)的存儲和快速讀取。

4.1.3? 實體融合

知識融合包括實體鏈接和實體合并，通過知識融合消除實體歧義，剔除冗余和錯誤數(shù)據(jù)，從而提高知識的質(zhì)量。實體沖突的原因有多種，如實體名稱沖突、同一屬性的值不同、同一個關(guān)系指向的實體不同。平臺在實體融合功能中提供了自動融合算法融合和手動融合兩種方式，項目實體融合對比情況如圖6所示。

4.1.4? 圖譜構(gòu)建

融合電網(wǎng)公司16類項目專項，設(shè)計包括：名稱、編碼、分類、單位、類型在內(nèi)的30個概念并構(gòu)建其關(guān)聯(lián)關(guān)系，項目概念關(guān)聯(lián)關(guān)系如圖7所示。結(jié)合8個項目環(huán)節(jié)特征，抽取各環(huán)節(jié)數(shù)據(jù)，形成項目時序圖譜，項目時序圖譜如圖8所示。

4.1.5? ?圖譜分析

將知識圖譜數(shù)據(jù)運(yùn)用可視化技術(shù)將實體、關(guān)系以一種復(fù)雜網(wǎng)絡(luò)展現(xiàn)并對其計算分析[14]。實現(xiàn)針對項目圖譜關(guān)鍵路徑、圖譜實體分布、圖譜知識探索三種場景的分析。

1）關(guān)鍵路徑分析。支持用戶為多個實體設(shè)置不同步長，平臺根據(jù)用戶選擇實體和步長信息，可以自動計算出符合步長的多個路徑連線，實體路徑分析如圖9所示。

2）實體分布分析。以圖的形式按比例展示圖譜中各概念下實體數(shù)量分布情況，支持對其篩選過濾。

3）圖譜知識探索。支撐對特定實體模糊查詢，并展示該實體的具體項目圖譜信息，并支持各節(jié)點的展開和下鉆。

4.2? 客服智能問答

在實現(xiàn)各類型數(shù)據(jù)進(jìn)行融合關(guān)聯(lián)的基礎(chǔ)上，將用戶檢索意圖計算排序，按優(yōu)先級進(jìn)行數(shù)據(jù)組合排列，充分理解搜索語境、精準(zhǔn)反饋數(shù)據(jù)資源，自動選擇最優(yōu)展示呈現(xiàn)方式，優(yōu)化基于全量數(shù)據(jù)的智能化搜索及分析服務(wù)能力，構(gòu)建項目客服智能問答應(yīng)用場景。

4.2.1? 意圖識別

智能識別用戶查詢意圖，通過對用戶的輸入進(jìn)行分詞，識別其查詢的目標(biāo)意圖，并將其識別的查詢檢索意圖對應(yīng)到知識圖譜的概念槽位，項目智能問答解析流程如圖10所示。

4.2.2? 智能機(jī)器人

構(gòu)建項目一句話問答、項目關(guān)鍵詞搜索、標(biāo)簽關(guān)聯(lián)查詢項目、合規(guī)規(guī)則解釋等智能問答和貼簽服務(wù)，支撐項目信息智能查詢及檢索[15]。

1）如輸入“打開標(biāo)簽查詢服務(wù)”，機(jī)器人會打開標(biāo)簽查詢服務(wù)頁面；如輸入“儲備超時”，機(jī)器人會展示“儲備項目超時”的規(guī)則詳情，或輸入“儲備項目超時的規(guī)則說明”展示其規(guī)則說明及規(guī)則解釋信息。

2）根據(jù)“電壓等級”“專項類型”“規(guī)則名稱”查詢對應(yīng)的合規(guī)規(guī)則的異常項目明細(xì)。如輸入“110 kV電網(wǎng)基建儲備超時的項目明細(xì)”，機(jī)器人會打開合規(guī)明細(xì)頁面并傳入相應(yīng)的參數(shù)，您可以點擊查詢按鈕進(jìn)行查詢。

5? 結(jié)? 論

本文總結(jié)了近年在電力項目管理領(lǐng)域應(yīng)用和構(gòu)建知識圖譜的技術(shù)、研究和實踐成果，基于CRF和LSTM-CRF實體識別模型，提出了項目知識圖譜產(chǎn)品架構(gòu)及流程設(shè)計，并針對該架構(gòu)在電力公司項目時序圖譜構(gòu)建、項目客服智能問答場景的應(yīng)用進(jìn)行了研究和探索，實現(xiàn)了針對項目全過程時序圖譜的構(gòu)建，項目標(biāo)簽智能推薦和智能問答。

參考文獻(xiàn)：

[1] 王昊奮，漆桂林，陳華鈞.知識圖譜：方法、實踐與應(yīng)用 [M].北京：電子工業(yè)出版社，2019.

[2] 喬泰.下一代企業(yè)：人工智能升級企業(yè)管理 [J].互聯(lián)網(wǎng)經(jīng)濟(jì)，2016（8）：26-31.

[3] 駱瑞玲.電力企業(yè)投資計劃管理中的問題及對策 [J].科技與創(chuàng)新，2016（19）：54.

[4] 孫晨，付英男，程文亮，等.面向企業(yè)知識圖譜構(gòu)建的中文實體關(guān)系抽取 [J].華東師范大學(xué)學(xué)報：自然科學(xué)版，2018（3）：55-66.

[5] 王穎，錢力，謝靖，等.科技大數(shù)據(jù)知識圖譜構(gòu)建模型與方法研究 [J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2019，3（1）：15-26.

[6] 王鑫，鄒磊，王朝坤，等.知識圖譜數(shù)據(jù)管理研究綜述 [J].軟件學(xué)報，2019，30（7）：2139-2174.

[7] 張敏杰，徐寧，胡俊華，等.面向變壓器智能運(yùn)檢的知識圖譜構(gòu)建和智能問答技術(shù)研究 [J].全球能源互聯(lián)網(wǎng)，2020，3（6）：607-617.

[8] 蔣逸雯，李黎，李智威，等.基于深度語義學(xué)習(xí)的電力變壓器運(yùn)維文本信息挖掘方法 [J].中國電機(jī)工程學(xué)報，2019，39（14）：4162-4172.

[9] 周博通，孫承杰，林磊，等.基于LSTM的大規(guī)模知識庫自動問答 [J].北京大學(xué)學(xué)報：自然科學(xué)版，2018，54（2）：286-292.

[10] 賈海鋒，王冰潔，王浩，等.從通用知識圖譜中剖析電力知識圖譜的應(yīng)用 [J].電力設(shè)備管理，2021（11）：206-207+234.

[11] MANNING C D. Computational Linguistics and Deep Learning [J].Computional Linguistics，2015，41（4）：701-707.

[12] MANNING C D，RAGHAVAN P，SCH?TZE H. An Introduction to Information Retrieval [M].Cambridge：Cambridge University Press，2009.

[13] 李文鵬，王建彬，林澤琦，等.面向開源軟件項目的軟件知識圖譜構(gòu)建方法 [J].計算機(jī)科學(xué)與探索，2017，11（6）：851-862.

[14] 劉津，杜寧，徐菁，等.知識圖譜在電力領(lǐng)域的應(yīng)用與研究 [J].電力信息與通信技術(shù)，2020，18（1）：60-66.

[15] 徐沐霖，邱濤.人工智能在電力系統(tǒng)中的應(yīng)用 [J].電子技術(shù)與軟件工程，2017（8）：257.

作者簡介：張思慧（1986—），女，漢族，山東煙臺人，中級工程師，碩士，研究方向：項目管理業(yè)務(wù)咨詢、人工智能技術(shù)；胡廣林（1983—），男，蒙古族，遼寧沈陽人，中級工程師，碩士，研究方向：項目管理業(yè)務(wù)咨詢、人工智能技術(shù)；魏國旺（1988—），男，漢族，山東聊城人，初級工程師，本科，研究方向：項目管理業(yè)務(wù)咨詢。