王?？?，吳 琳，胡曉峰，賀筱媛

(中國人民解放軍國防大學，北京 100091)

復雜的聯(lián)合作戰(zhàn)態(tài)勢是聯(lián)合作戰(zhàn)復雜性的外在表現(xiàn)［1］。聯(lián)合作戰(zhàn)態(tài)勢知識是組成聯(lián)合作戰(zhàn)態(tài)勢要素的客觀實體屬性及其關系在指揮員腦中的主觀映像，是對客觀聯(lián)合作戰(zhàn)態(tài)勢要素信息的一種主觀表征，其核心和要點在于描繪聯(lián)合作戰(zhàn)態(tài)勢要素之間的復雜關聯(lián)關系［2］。認知聯(lián)合作戰(zhàn)態(tài)勢中各種關鍵態(tài)勢要素的實體屬性信息及其關聯(lián)關系，形成聯(lián)合作戰(zhàn)態(tài)勢的知識網(wǎng)絡，是聯(lián)合作戰(zhàn)籌劃的首要目標，能夠幫助指揮員全面、深刻地理解聯(lián)合作戰(zhàn)行動及其環(huán)境中的各類復雜問題，從而幫助指揮員構建聯(lián)合作戰(zhàn)態(tài)勢的整體思維圖景。指揮員認知聯(lián)合作戰(zhàn)態(tài)勢的過程，就是對聯(lián)合作戰(zhàn)指揮決策過程中影響決策和行動的聯(lián)合作戰(zhàn)態(tài)勢知識進行不斷學習、理解和應用的過程，其首要任務就是基于想定場景，從指揮員認知態(tài)勢的角度抽象和描述聯(lián)合作戰(zhàn)態(tài)勢知識［3］。對于指揮員而言，正確描述聯(lián)合作戰(zhàn)態(tài)勢，形成態(tài)勢知識網(wǎng)絡，是指揮員形成關于聯(lián)合戰(zhàn)場思維圖景的認知基礎。這種思維圖景超越了現(xiàn)實聯(lián)合作戰(zhàn)態(tài)勢中的實體要素與具體行動，是指揮員在認知空間內對聯(lián)合作戰(zhàn)態(tài)勢知識的一種描述和抽象［4］。

基于指揮員視角對聯(lián)合作戰(zhàn)態(tài)勢認知過程進行建模，幫助機器理解聯(lián)合作戰(zhàn)復雜態(tài)勢的基礎是對聯(lián)合作戰(zhàn)態(tài)勢進行客觀描述。孫鵬等為解決陸軍作戰(zhàn)行動中的指揮決策建模問題，研究了陸軍作戰(zhàn)行動仿真中的態(tài)勢描述問題，提出了基于位置狀態(tài)、戰(zhàn)損狀態(tài)、任務狀態(tài)和消息信息等實體信息的態(tài)勢描述方法［5］。歐微等為從異構高維、快速增長的復雜戰(zhàn)場數(shù)據(jù)中提取關鍵態(tài)勢要素，將戰(zhàn)場環(huán)境、作戰(zhàn)實體、作戰(zhàn)任務等的靜態(tài)屬性和時序動態(tài)特征規(guī)范化編碼后，轉化為面向智能認知模型的規(guī)范化輸入，提出了一種面向時序特征的戰(zhàn)場態(tài)勢描述方法［6］。于昕等在空中平臺背景下，對飛機的軌跡信息、雷達探測范圍信息、火力攻擊范圍信息，以及受威脅程度等進行定量描述［7］。孫儒凌通過分析戰(zhàn)場主動權的制約因素，通過戰(zhàn)場態(tài)勢狀況表來描述戰(zhàn)場態(tài)勢基本狀況［8］。涂樂德等研究了基于SEDRIS的戰(zhàn)場態(tài)勢信息描述技術，實現(xiàn)了基于軍標符號的戰(zhàn)場態(tài)勢信息表達［9］。彭文成等為解決機步團指揮信息系統(tǒng)的決策建模問題，研究了機步團作戰(zhàn)行動仿真中的態(tài)勢描述問題，給出了基于位置狀態(tài)、戰(zhàn)損狀態(tài)、任務狀態(tài)和消息信息等實體信息的態(tài)勢描述方法［10］。張東戈等對態(tài)勢感知過程中流動的信息包數(shù)量、信息處理速度、信息存續(xù)時限等進行了量化定義和描述，建立了能夠度量態(tài)勢感知水平的解析數(shù)學模型［11］。

上述開拓性工作分別從指揮決策建模、態(tài)勢關鍵要素提取、用戶需求、戰(zhàn)場信息獲取、態(tài)勢信息流動的角度研究了作戰(zhàn)態(tài)勢的描述方法，取得了不錯的研究成果，但還沒有相關工作從指揮員認知態(tài)勢的視角對聯(lián)合作戰(zhàn)態(tài)勢實體的屬性及其關系進行描述。本文基于知識圖譜技術，從指揮員認知戰(zhàn)場態(tài)勢的角度出發(fā)，在想定場景約束范圍內，采用自上而下的態(tài)勢要素解析方法與自下而上的形式化態(tài)勢實體知識描述方法相結合的方式，對想定場景初始態(tài)勢實體的屬性及其關聯(lián)關系進行解析和描述，力圖為理解聯(lián)合作戰(zhàn)態(tài)勢中的各類復雜問題奠定良好的知識基礎。

1 態(tài)勢認知與知識圖譜

態(tài)勢認知(Situation Cognition，SC)是在一定的時間和空間范圍內，對環(huán)境元素的感知，對它們意義的理解，對它們在未來狀態(tài)的預測［12］。態(tài)勢認知是關于現(xiàn)實世界不斷變化的知識，對于有效的決策和行動至關重要，通常分為三個層次:一是感知(Perception)，二是理解(Comprehension)，三是預測(Projection)［13］。在動態(tài)的戰(zhàn)爭復雜系統(tǒng)中，態(tài)勢認知是籌劃決策與指揮控制的驅動引擎，其首要任務是在想定場景范圍內，根據(jù)任務目標獲取與“態(tài)”相關的作戰(zhàn)態(tài)勢知識，然后，通過理解這些知識實現(xiàn)對未來戰(zhàn)局的預測。然而，人類指揮員在作戰(zhàn)過程中能迅速整合各種戰(zhàn)場態(tài)勢信息，從紛繁復雜的戰(zhàn)場態(tài)勢信息中捕捉關鍵態(tài)勢要素信息，并建立起各要素之間的關聯(lián)關系，形成復雜的作戰(zhàn)態(tài)勢知識網(wǎng)絡，但機器卻難以實現(xiàn)這一點。其根本原因在于機器缺乏對復雜作戰(zhàn)態(tài)勢進行理解和判斷的知識基礎，無法完成從戰(zhàn)場態(tài)勢數(shù)據(jù)到作戰(zhàn)態(tài)勢信息再到場景態(tài)勢知識的轉化。

知識圖譜(Knowledge Graph，KG)源于語義網(wǎng)(Semantic Web)，本質上是一種大規(guī)模復雜知識網(wǎng)絡。知識圖譜中的節(jié)點和邊分別表示現(xiàn)實世界中的各種實體、概念、屬性及其關聯(lián)關系。知識圖譜中的基本知識要素通過語義相關聯(lián)，以圖的形式組織在一起，最終形成了知識圖譜。知識圖譜的研究初衷是將互聯(lián)網(wǎng)的信息表達成更接近于人類認知世界的形式，為人類提供了一種更好的組織、管理和理解互聯(lián)網(wǎng)信息的能力。隨著人工智能技術的不斷發(fā)展，知識圖譜作為一種基于圖結構的客觀現(xiàn)實世界知識表達方式與可計算模型［14］，與大數(shù)據(jù)、深度學習一起成為人工智能發(fā)展的核心驅動力。從軍事大數(shù)據(jù)治理的角度看，知識圖譜能夠從關系的角度把各種不同類型的作戰(zhàn)數(shù)據(jù)組織成一個更加完整的軍事大數(shù)據(jù)體系去使用［15-16］。從軍事語義連接的角度看，知識圖譜能夠從語義的角度對作戰(zhàn)態(tài)勢進行整體描述，并將其語義信息作為各種智能學習模型的輸入，提升智能模型的學習能力［17］。因此，知識圖譜技術提供了一種從“關系”和“語義”的角度去描繪作戰(zhàn)態(tài)勢和分析態(tài)勢要素復雜關聯(lián)關系的能力［18］，有利于精確描繪聯(lián)合作戰(zhàn)態(tài)勢實體的各種屬性知識，深入挖掘作戰(zhàn)態(tài)勢要素間的復雜關聯(lián)關系和關系屬性，為描述想定場景的聯(lián)合作戰(zhàn)態(tài)勢帶來了新的技術手段［19］。

2 聯(lián)合作戰(zhàn)想定態(tài)勢實體描述方法

聯(lián)合作戰(zhàn)想定態(tài)勢實體描述的前提是明確態(tài)勢實體所在的具體想定場景。首先，相同指揮員在不同想定場景下對態(tài)勢實體的認知需求和理解不同［20］。其次，不同指揮員在相同想定場景下對態(tài)勢實體知識的解釋不同［21］。因此，在具體的想定場景范圍內描述作戰(zhàn)態(tài)勢實體知識才有意義，才能有效輔助指揮員在特定的“語義”空間內，從“關系”的角度認知聯(lián)合作戰(zhàn)復雜態(tài)勢，實現(xiàn)基于指揮員視角的態(tài)勢智能認知。

2.1 想定場景的聯(lián)合作戰(zhàn)態(tài)勢描述示例

為突出聯(lián)合作戰(zhàn)體系對抗特征明顯的基本特點，本文以中小規(guī)模的聯(lián)合戰(zhàn)役級軍團作戰(zhàn)作為想定場景示例，對抗方限定為紅藍兩方。紅藍雙方編配的作戰(zhàn)力量包括陸、海、空、火箭軍等部隊，涵蓋偵察情報、指揮控制、綜合防護、信息保障、后勤與裝備保障等作戰(zhàn)系統(tǒng)。圖1為聯(lián)合作戰(zhàn)想定場景下的基本想定初始態(tài)勢示例。

圖1 基本想定初始態(tài)勢示例

想定初始態(tài)勢是基本想定的重要組成部分，能夠清晰反映想定初始作戰(zhàn)場景的敵我初始布勢和戰(zhàn)場環(huán)境，但缺乏對整個戰(zhàn)場全局態(tài)勢進行深度認知的語義和關系基礎，難以建立起態(tài)勢要素實體之間的復雜關聯(lián)關系。本文基于知識圖譜技術對聯(lián)合作戰(zhàn)想定初始態(tài)勢進行描述，從“關系”和“語義”的角度描繪作戰(zhàn)態(tài)勢實體及其復雜關聯(lián)關系，為進一步研究態(tài)勢智能認知奠定良好的知識基礎。

2.2 聯(lián)合作戰(zhàn)態(tài)勢要素解析

作戰(zhàn)態(tài)勢信息主要包括敵情、我情和戰(zhàn)場環(huán)境三個方面。但由于態(tài)勢信息既包括想定場景中對抗雙方的作戰(zhàn)力量、部署位置等狀態(tài)信息，還包含戰(zhàn)場范圍內的自然、社會、民俗、宗教等環(huán)境信息。各種信息交雜在一起，缺乏組織，邊界模糊，給指揮員的認知帶來極大負擔，直接影響作戰(zhàn)效果的發(fā)揮。因此，對指揮員而言，不需要關注所有的態(tài)勢要素實體信息，而是根據(jù)立案企圖和作戰(zhàn)任務關注直接或間接影響作戰(zhàn)效果的關鍵態(tài)勢要素實體信息。美軍指揮與控制研究計劃(CCRP)負責人Alberts認為，關鍵態(tài)勢要素信息通常包括敵情中的作戰(zhàn)力量、作戰(zhàn)能力、作戰(zhàn)體系等能降低己方作戰(zhàn)效果的態(tài)勢要素信息;我情中的作戰(zhàn)任務、作戰(zhàn)資源、作戰(zhàn)體系等能將己方作戰(zhàn)能力轉化為作戰(zhàn)效果的態(tài)勢要素信息，以及戰(zhàn)場環(huán)境中的自然環(huán)境、社會環(huán)境、網(wǎng)絡電磁等能對己方作戰(zhàn)效果的發(fā)揮產(chǎn)生直接影響的態(tài)勢要素信息。同時，基于效果作戰(zhàn)理論認為，運用網(wǎng)絡中心的能力在于進入敵方的OODA環(huán)，打斷敵人的作戰(zhàn)節(jié)奏或者創(chuàng)造己方的壓倒性作戰(zhàn)節(jié)奏，從而摧毀敵人的心理和認知效果［22］。因此，指揮員認知態(tài)勢起點在于根據(jù)企圖立案和受領的具體作戰(zhàn)任務，籌劃如何運用己方軍事力量的體系作戰(zhàn)能力逐漸剝奪敵方發(fā)動戰(zhàn)爭的物質能力和潛力，摧毀敵人的心理或認知效果。圖2是基于指揮員認知態(tài)勢視角，自上而下對影響己方作戰(zhàn)效果和認知效果較大的想定場景關鍵態(tài)勢要素進行解析。相應的態(tài)勢關鍵要素由相關的態(tài)勢實體根據(jù)不同的關系類型聚合而成。本文針對組成關鍵態(tài)勢要素的實體屬性及其關聯(lián)關系進行描述。

圖2 想定場景的關鍵態(tài)勢要素解析

2.3 聯(lián)合作戰(zhàn)態(tài)勢實體描述

采用基于屬性圖結構的知識圖譜描述方法，以想定場景內初始態(tài)勢關鍵要素的實體屬性及其關系作為描述對象，采用形式化的態(tài)勢知識描述方法，對聯(lián)合作戰(zhàn)想定初始態(tài)勢進行描述。需要說明的是，本文并未采用首先構造態(tài)勢本體，然后抽取關鍵態(tài)勢要素信息，最后繪制知識圖譜進行描述的傳統(tǒng)路線。其主要原因在于，基于本體的知識圖譜構造方法需要借助基于三元組的資源描述框架(Resource Description Framework，RDF)來增強知識的關聯(lián)性和推理能力，而當前中文本體自動構建技術還不成熟，無法確保態(tài)勢本體的準確可靠，且手工構建本身需要大量的人力物力，復用性差。因此，本文采用基于屬性圖結構的圖數(shù)據(jù)模型來描述態(tài)勢要素實體的概念、屬性和關系等知識要素。其優(yōu)點在于直觀、易于理解，能滿足大部分的態(tài)勢關鍵要素實體描述應用場景，易于實現(xiàn)關鍵態(tài)勢要素實體信息的自動獲取，且支持免索引鄰接，查詢速度快。同時，為了后續(xù)的知識推理應用方便，本文同樣基于屬性圖的圖數(shù)據(jù)模型建立態(tài)勢知識之間的上下位概念描述框架，與態(tài)勢要素的實體及關系相互映射。

1)定義態(tài)勢實體知識表示的屬性圖數(shù)據(jù)模型

定義想定場景態(tài)勢知識圖譜Gst={Est，Rst}，其中，Est表示想定場景內的關鍵態(tài)勢要素實體集，Rst表示關鍵態(tài)勢要素實體之間的關系集。在不區(qū)分對抗雙方情況下，根據(jù)想定場景中作戰(zhàn)相關的部隊、人員裝備、目標設施等關鍵態(tài)勢要素信息，定義聯(lián)合作戰(zhàn)態(tài)勢實體集

其中，Eunit表示想定場景中的部隊實體集，Etarget表示目標設施實體集，Ehe表示人員裝備實體集，Eenv表示戰(zhàn)場環(huán)境實體集。定義實體關系集

其中，ri表示想定場景中定義的態(tài)勢實體關系，n為軍事領域專家定義的關鍵態(tài)勢要素實體間不同關系種類的數(shù)量。

本文根據(jù)聯(lián)合作戰(zhàn)的基本理論以及想定場景初始態(tài)勢的實際情況，總結歸納出包括編配關系、編成關系、供給關系、部署關系、配屬關系、干擾關系、地形影響等在內的33種態(tài)勢要素實體關系。這些實體關系具有方向性，都有一個開始節(jié)點和一個結束節(jié)點，而且每一種關系都可以擁有各自相應的屬性，描述為

其中，eh和et分別表示實體關系的開始節(jié)點和結束節(jié)點，rattr表示實體關系的屬性值，如圖3所示。

圖3 想定場景的關鍵態(tài)勢要素實體關系示例

定義好關鍵態(tài)勢要素實體集，我們可以根據(jù)指揮員認知態(tài)勢的實際需求，對每一類型的態(tài)勢要素實體集進行定義。本文根據(jù)想定場景的初始態(tài)勢，為部隊實體集Eunit定義了9種部隊實體的能力描述結構，3種部隊實體的類別描述結構;為目標設施實體集Etarget定義了9種不同類型的目標設施實體描述結構;為人員裝備實體集Ehe定義了11種不同類型的人員裝備實體描述結構;為戰(zhàn)場環(huán)境實體集Eenv定義了13種不同類型的戰(zhàn)場環(huán)境實體描述結構。隨后，根據(jù)每一種實體集的不同屬性需求，為實體定義了不同的屬性項，即ei={eattr1，eattr2，…}。其中，eattr表示實體的各項屬性。以飛機類型實體為例，為飛機機型定義了41種不同類型的屬性值，如飛機最大航程、起飛跑道滑行長度、降落跑道滑行長度、是否固定翼飛機、最大航行高度、經(jīng)濟高度平均飛行速度等。這些實體屬性結合實體關系能夠對關鍵態(tài)勢要素的實體信息進行精準刻畫，從而達到自下而上對想定場景聯(lián)合作戰(zhàn)初始態(tài)勢進行準確描述的目的。

以復雜電磁環(huán)境對聯(lián)合作戰(zhàn)通信系統(tǒng)的影響為例。相對于傳統(tǒng)戰(zhàn)場環(huán)境，信息化條件下聯(lián)合作戰(zhàn)的電磁環(huán)境極其復雜，由眾多要素構成。深入分析復雜電磁環(huán)境對通信裝備的影響，確保作戰(zhàn)信息的穩(wěn)定可靠傳輸，對于準確掌握戰(zhàn)場態(tài)勢，連續(xù)實施指揮控制和精確協(xié)調作戰(zhàn)行動具有重要意義［23］。因此，本文以電磁環(huán)境中的軍用對抗性干擾設備對通信裝備的影響為例，描述干擾設備實體對通信裝備實體的影響。

首先根據(jù)干擾設備特點，將干擾設備的干擾距離、干擾功率等屬性描述為eJammer={erange，epower，…}，將通信設備實體的傳輸距離、抗干擾系數(shù)等屬性描述為eCommunication={erange，ejamfactor，…}。然后，基于現(xiàn)實的通信系統(tǒng)對抗干擾，將干擾設備實體對通信裝備實體的影響描述為

其中，rtype表示干擾的類型，reffctiveness表示干擾的效能。由此建立的某型干擾設備實體對通信裝備實體的干擾關系描述，是分析復雜電磁環(huán)境對聯(lián)合作戰(zhàn)通信系統(tǒng)影響的基礎，能夠為進一步分析聯(lián)合作戰(zhàn)電磁態(tài)勢提供基礎知識支撐。

2)基于關系型數(shù)據(jù)庫的態(tài)勢實體知識抽取

充分利用已有的關系型數(shù)據(jù)庫平臺，作為知識圖譜圖數(shù)據(jù)模型的構建基礎，對聯(lián)合作戰(zhàn)想定場景的初始態(tài)勢實體及其關系進行抽取。首先是根據(jù)關系型數(shù)據(jù)庫中導出的結構化表數(shù)據(jù)，創(chuàng)建態(tài)勢要素的實體節(jié)點，如創(chuàng)建部隊實體集、人員裝備實體集、目標設施實體集、環(huán)境實體集中的各種實體節(jié)點，將表數(shù)據(jù)中的屬性值作為實體的屬性描述內容進行抽取。然后，根據(jù)已經(jīng)定義好的33種態(tài)勢要素實體關系類型，抽取實體關系定義表中的實體節(jié)點關系以及關系的屬性值，同時標注關系類型。最后，遍歷抽取的實體節(jié)點和實體間關系，創(chuàng)建關鍵態(tài)勢要素實體之間的語義關系鏈接，進行實體關聯(lián)。截至目前，根據(jù)上述中小規(guī)模聯(lián)合戰(zhàn)役級軍團作戰(zhàn)想定場景示例中的初始態(tài)勢設定，共抽取想定場景初始態(tài)勢要素實體節(jié)點1萬余個，實體間關系33余萬條。

3)基于Neo4j的聯(lián)合作戰(zhàn)態(tài)勢知識可視化描述

Neo4j是一款基于Java開發(fā)的開源NoSQL原生圖數(shù)據(jù)庫，自2007年第一版發(fā)布至今，已經(jīng)更新至3.5.9版本。Neo4j支持廣泛的人工智能集成技術和平臺，可以部署到任何云平臺上，具有高性能、可定制、可視化、易于開發(fā)測試等優(yōu)點，是目前最流行的原生圖數(shù)據(jù)庫軟件。使用Neo4j構建態(tài)勢知識圖譜的主要目的在于通過想定場景聯(lián)合作戰(zhàn)初始態(tài)勢的可視化描述，實現(xiàn)對戰(zhàn)場初始態(tài)勢的精準畫像和可視化分析，幫助指揮員從關鍵態(tài)勢要素實體關系的角度建立對聯(lián)合作戰(zhàn)態(tài)勢要素的基本認知，為指揮員構建整個聯(lián)合戰(zhàn)場的思維圖景奠定基礎，便于指揮員通過知識推理發(fā)現(xiàn)態(tài)勢要素之間的隱含關聯(lián)關系，基于作戰(zhàn)能力和效果進行聯(lián)合作戰(zhàn)體系分析，推理分析敵情威脅，辨識敵我作戰(zhàn)重心和高價值軍事目標，從而提升己方的認知速度和認知效果，并進一步將指揮員的認知優(yōu)勢轉化為指揮決策優(yōu)勢［24］。

圖4 想定場景聯(lián)合作戰(zhàn)初始態(tài)勢知識可視化描述示例

將關系型數(shù)據(jù)庫中抽取得到的關鍵態(tài)勢要素實體及其關系知識導入Neo4j，最終得到想定場景的聯(lián)合作戰(zhàn)初始態(tài)勢知識的可視化描述，如圖4所示。作戰(zhàn)態(tài)勢知識抽取方法過程描述見表1。

表1 作戰(zhàn)態(tài)勢知識抽取方法

3 應用示例

復雜的戰(zhàn)場態(tài)勢是戰(zhàn)爭復雜系統(tǒng)的整體表達，態(tài)勢認知的核心是從全局把握“整體關系”。但由于聯(lián)合作戰(zhàn)態(tài)勢的復雜性特征，需要將作戰(zhàn)時空分解成多層分別處理，以便于簡化處理和聚焦。在空間層次上，可以按照部署關系、通信關系、指揮關系、保障關系等進行分類簡化;在時間層次上，可以按照力量消耗、編配部署、任務完成等進行聚焦?；谥R圖譜的聯(lián)合作戰(zhàn)態(tài)勢實體描述方法，能夠從“關系”和“語義”的角度描繪作戰(zhàn)態(tài)勢實體及其復雜關聯(lián)關系，并通過可視化手段幫助指揮員更全、更深、更快地認識作戰(zhàn)行動所涉及的眾多關鍵態(tài)勢要素實體之間的關系，以及對作戰(zhàn)行動可能產(chǎn)生的影響，輔助指揮員在高度緊張的復雜聯(lián)合作戰(zhàn)環(huán)境中做出高質量決策。

以聯(lián)合作戰(zhàn)體系分析為例，需要從整體到個體、從結構到功能、從關聯(lián)到節(jié)點，辨識敵我雙方的作戰(zhàn)重心和找準作戰(zhàn)體系的要害關節(jié)。首先是將敵方聯(lián)合作戰(zhàn)體系逐層分解為指揮控制系統(tǒng)、偵察情報系統(tǒng)、聯(lián)合打擊系統(tǒng)等作戰(zhàn)系統(tǒng)，并繼續(xù)分解，直至具體的要素實體，描述其屬性和功能作用。然后，通過描述各要素實體、各作戰(zhàn)系統(tǒng)之間的物理關系、邏輯關系和相互作用，分析其組成架構和運作方式。最后，采用復雜網(wǎng)絡等分析方法找出高價值打擊目標，作為體系破擊行動的著力點，如圖5所示。

通過基于知識圖譜的聯(lián)合作戰(zhàn)態(tài)勢實體知識描述方法，能夠幫助指揮員充分理解聯(lián)合作戰(zhàn)體系中要素實體的屬性特征及相互關系，并基于相應的實體語義知識，認知聯(lián)合作戰(zhàn)體系，為聯(lián)合作戰(zhàn)籌劃提供支撐，并幫助指揮員將認知的重心放在需要什么樣的知識上面，而不是去關注如何尋找這些知識。

4 結束語

圖5 聯(lián)合作戰(zhàn)態(tài)勢知識應用示例

基于知識圖譜的聯(lián)合作戰(zhàn)態(tài)勢實體描述方法，是一種為指揮員進行聯(lián)合作戰(zhàn)行動籌劃服務的認知工具，致力于幫助指揮員清晰地理解作戰(zhàn)態(tài)勢實體之間的復雜關系。然而，當前所采用的基于知識圖譜的聯(lián)合作戰(zhàn)初始態(tài)勢描述方法，距離指揮員認知作戰(zhàn)態(tài)勢所需要的知識水平還差距較大。雖然知識的無邊界性使得研究人員難以限定知識圖譜的表達范圍，但知識的實踐性本質決定了能有效指導實踐活動的知識才是有用的知識，需要根據(jù)適度的基本原則，既要針對特定的應用場景進行知識適配，還要合理把控知識的邊界與體量，并快速適應軍事技術發(fā)展的迅速變化。

本文基于知識圖譜技術，從指揮員認知戰(zhàn)場態(tài)勢的角度出發(fā)，在想定場景約束范圍內，采用自上而下的態(tài)勢要素解析方法與自下而上的形式化態(tài)勢知識描述方法相結合的方式，對想定場景初始態(tài)勢關鍵要素實體及其關聯(lián)關系進行解析和描述，并通過應用示例演示了此方法的簡單有效性和直觀合理性，力圖為理解聯(lián)合作戰(zhàn)態(tài)勢中的各類復雜問題奠定良好的知識基礎。下一步，將重點研究如何進行知識補全，為指揮員認知聯(lián)合作戰(zhàn)態(tài)勢提供更加豐富的知識基礎。