王石磊(上海利柏特工程技術(shù)有限公司，上海 201101)

0 引言

化工產(chǎn)業(yè)涉及到的產(chǎn)品眾多，具有一定銷售規(guī)模的化工品至少上千種，而且化工品上下游關(guān)系極為復雜，同一種化工品往往有多種合成方式，下游化工品的制備往往需要多種上游化工品，甚至還會有不同化工品的應(yīng)用場景具有相互替代的關(guān)系。常規(guī)方法對化工產(chǎn)業(yè)鏈表示和分析存在著很多弊端，可視化能力不強，使用、檢索不便，缺乏科學的分析算法。知識圖譜技術(shù)通過構(gòu)建知識節(jié)點及節(jié)點聯(lián)系，利用其強大的可視化能力和科學的圖算法，能可視化技術(shù)描述化工產(chǎn)業(yè)鏈，挖掘、構(gòu)建、繪制和顯示知識及它們之間的相互聯(lián)系，并利用相關(guān)圖算法幫助理解和分析主要化工產(chǎn)業(yè)鏈各環(huán)節(jié)的主要發(fā)展邏輯[1]。

1 相關(guān)概念

1.1 知識圖譜

知識圖譜是由谷歌公司在 2012 年提出來概念，從學術(shù)的角度，“知識圖譜本質(zhì)上是語義網(wǎng)絡(luò)(semantic network)的知識庫”，可以對現(xiàn)實世界的事物及其相互關(guān)系進行形式化地描述。從實際應(yīng)用的角度可以簡單地把知識圖譜理解成多關(guān)系圖(multi-relational graph)，泛指各種大規(guī)模的知識庫。圖(graph)是由節(jié)點(vertex)和邊(edge)來構(gòu)成，實體(節(jié)點)指的是現(xiàn)實世界中的事物比如人、地名、化學品、公司等，關(guān)系(邊)則用來表達不同實體之間的某種聯(lián)系，比如人“居住在”北京、張三和李四是“朋友”、邏輯回歸是深度學習的“先導知識”等?！爸R圖譜”結(jié)構(gòu)示意圖如圖1所示。

圖1 “知識圖譜”結(jié)構(gòu)示意圖

1.2 圖數(shù)據(jù)庫

知識圖譜由于其數(shù)據(jù)包含實體、屬性、關(guān)系等，常見的關(guān)系型數(shù)據(jù)庫諸如SQL Server之類不能很好的體現(xiàn)數(shù)據(jù)的這些特點，因此知識圖譜數(shù)據(jù)的存儲一般采用圖數(shù)據(jù)庫(graph databases)。圖數(shù)據(jù)庫包含節(jié)點和關(guān)系，節(jié)點和關(guān)系均具有屬性，其中，關(guān)系可命名，具有方向性，必須有起點和終點。

Neo4j是其中常用的圖數(shù)據(jù)庫管理系統(tǒng)，基于圖結(jié)構(gòu)完成數(shù)據(jù)的建模，將結(jié)構(gòu)化數(shù)據(jù)存儲在圖中，展示數(shù)據(jù)及其之間的邏輯關(guān)系，以相同的數(shù)據(jù)遍歷節(jié)點與邊，算法非?？旖莺透咝В芴幚頂?shù)十億節(jié)點、屬性和關(guān)系。本研究采用Neo4j 4.2社區(qū)版。

1.3 Cypher語言

Cypher是面向Neo4j的特定查詢語言，保留了許多SQL語言風格，符合常規(guī)表達習慣，用戶不必關(guān)心如何對圖數(shù)據(jù)庫進行遍歷，不用編寫復雜的代碼即可實現(xiàn)對圖數(shù)據(jù)庫的操作。

2 知識圖譜設(shè)計

化工產(chǎn)業(yè)鏈是相關(guān)化工產(chǎn)品生產(chǎn)企業(yè)根據(jù)化學品合成或生產(chǎn)屬性組成的一個產(chǎn)業(yè)鏈條，通過上游原原材料、中間化學品和下游行業(yè)完成化工產(chǎn)業(yè)鏈的組織。

2.1 上游原材料節(jié)點

絕大部分的化學品主要是來源于石油、天然氣(包括石油氣、頁巖氣等)、煤炭以及各種無機礦物(包括原鹽)。石油、天然氣和煤炭因為主要含碳原子和氫原子，可以通過蒸餾、裂解、氣化等方式得到大量有機化工品。無機礦物則主要有石英砂、磷礦石、硫鐵礦、鈦鐵礦、鉀礦、螢石礦、原鹽等，通常用來得到各種無機化工品(部分有機化工品同樣需要無機礦物作為原材料)。

節(jié)點屬性定義：唯一標識符(rawmaterial Id)；名稱(ramaterial Name)。

2.2 中間化學品節(jié)點

中間化學品通常被認為是基礎(chǔ)化工品，是介于上游原材料與下游行業(yè)中間的化工品，中間環(huán)節(jié)與下游環(huán)節(jié)之間并沒有明確的劃分，不少處于中間環(huán)節(jié)的化工品同樣被當作最終制品對外銷售，這主要取決于最終應(yīng)用場景。

節(jié)點屬性定義：唯一標識符(chemical Id)；名稱(chemical Name)。

2.3 下游行業(yè)節(jié)點

直接與終端應(yīng)用相關(guān)聯(lián)的節(jié)點劃分到下游行業(yè)組，化工品應(yīng)用領(lǐng)域廣泛，基本上已經(jīng)滲透到工業(yè)生產(chǎn)和日常生活的各個方面，涉及到的行業(yè)也林林總總。如衣(紡織服裝)、食(農(nóng)業(yè)、食物)、住(建筑裝飾)、行(交通運輸)以及科技(TMT、新能源、航空航天)等領(lǐng)域[2]。

節(jié)點屬性定義：唯一標識符(indutryId)；名稱(indutryName)。

2.4 關(guān)系(Relationship)

化工產(chǎn)業(yè)鏈上的各種化學品之間的關(guān)系有很多，為簡化應(yīng)用，在本研究中，我們僅提取出對分析最有用的關(guān)系：“生產(chǎn)”，同時大多數(shù)化工產(chǎn)品的反應(yīng)/合成都是單向的，在不同的條件下可逆。在本研究中，為簡化分析，我們忽略關(guān)系的雙向性?；瘜W品節(jié)點與下游行業(yè)之間的關(guān)系用單向的“應(yīng)用”表示；化學品節(jié)點與上游原材料之間的關(guān)系用單向的“制備”表示。

本次研究暫不加入關(guān)系屬性。

3 知識圖譜實現(xiàn)

3.1 新建圖數(shù)據(jù)庫

新建圖數(shù)據(jù)庫，清空數(shù)據(jù)，確保在一個空白的環(huán)境進行操作：

這里，MATCH是匹配操作，而小括號()代表一個節(jié)點node (可理解為括號類似一個圓形)，括號里面的n為標識符。

3.2 建立節(jié)點(Node)

創(chuàng)建化學品節(jié)點：

其中CREATE是創(chuàng)建操作，Chemical是標簽，代表節(jié)點的類型?；ɡㄌ杮}代表節(jié)點的屬性，屬性類似Python的字典。為提高節(jié)點錄入效率，將收集整理的各節(jié)點編制成csv文件，利用如下Cypher語句批量導入中間化學品節(jié)點，最終完成所有節(jié)點的建立[3]：

3.3 建立關(guān)系(Relationship)

根據(jù)化工產(chǎn)業(yè)鏈上下游的關(guān)系建立節(jié)點間關(guān)系，如下為建立乙烯產(chǎn)業(yè)鏈的示例：

MERGE (a) - [:制備] -＞ (b) - [:生產(chǎn)] -＞ (c) - [:生產(chǎn)] -＞(d)- [:應(yīng)用] -＞ (e)

用同樣的方法將所有關(guān)系添加完成，在Neo4J的界面上可以看到創(chuàng)建成功的節(jié)點及其關(guān)系，分別用不同顏色表示，如圖2所示。

圖2 化工產(chǎn)業(yè)鏈知識圖譜(局部)

3.4 應(yīng)用

初步化工產(chǎn)業(yè)鏈圖數(shù)據(jù)庫建立后，其應(yīng)用包括節(jié)點之間的路徑查詢，節(jié)點關(guān)系輻射分析等等，本次研究以查找兩個節(jié)點間的關(guān)系路徑來做一個示范，如下Cyper語句表示了“原油”這個上游原材料與“化纖”行業(yè)之間關(guān)系數(shù)量在5以內(nèi)的所有路徑，經(jīng)過運算后顯示如圖3所示。

圖3 化工產(chǎn)業(yè)鏈知識圖譜路徑分析

4 結(jié)語

文章設(shè)計了一種化工產(chǎn)業(yè)鏈的知識圖譜，并利用圖數(shù)據(jù)庫Neo4j實現(xiàn)了基礎(chǔ)的化工產(chǎn)業(yè)鏈知識圖譜的建立和維護管理，對于圖算法中路徑分析做了嘗試。

下一步將進一步完善該化工產(chǎn)業(yè)鏈知識圖譜，引入生產(chǎn)企業(yè)節(jié)點及其屬性，包括(產(chǎn)能，地理位置等)，擴充知識圖譜的范圍和功能，并利用路徑搜索算法、中心性算法及社群發(fā)現(xiàn)算法進行基礎(chǔ)分析。最終進行深度分析，用于行業(yè)投資決策，化工產(chǎn)業(yè)規(guī)劃等。