王振宇 范玉茹

摘 ? 要｜隨著技術(shù)手段的飛速發(fā)展，戰(zhàn)場(chǎng)環(huán)境保障部隊(duì)積累了大量的多源異構(gòu)數(shù)據(jù)產(chǎn)品。如何向任務(wù)部隊(duì)提供更加專業(yè)、更加全面、更加精準(zhǔn)的戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)保障，以滿足越來(lái)越豐富的軍事斗爭(zhēng)準(zhǔn)備要求成為一個(gè)熱點(diǎn)問(wèn)題。本書提出了一種基于知識(shí)圖譜與協(xié)同過(guò)濾的數(shù)據(jù)智能推薦方法，研究了戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)知識(shí)圖譜構(gòu)建和基于知識(shí)圖譜的數(shù)據(jù)智能推薦，驗(yàn)證了知識(shí)圖譜在戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)智能保障中的可用性，對(duì)提升戰(zhàn)場(chǎng)環(huán)境智能保障效能起到了積極的推進(jìn)作用。

關(guān)鍵詞｜知識(shí)圖譜；戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)；智能保障

Copyright ? 2022 by author （s） and SciScan Publishing Limited

This article is licensed under a Creative Commons Attribution-NonCommercial

International License. https：//creativecommons.org/licenses/by-nc/4.0/

當(dāng)前戰(zhàn)場(chǎng)環(huán)境保障部隊(duì)已實(shí)現(xiàn)普適化數(shù)據(jù)產(chǎn)品的服務(wù)保障，但面對(duì)日漸增多的新型作戰(zhàn)任務(wù)、專業(yè)細(xì)化需求等應(yīng)急或更深層面的特殊需要，還需要提升快速分析理解任務(wù)、快速查詢提取數(shù)據(jù)、精準(zhǔn)引導(dǎo)需求數(shù)據(jù)生產(chǎn)、智能推薦全面成果等能力。在戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)保障中引入知識(shí)圖譜和智能推薦技術(shù)，就是在摸清部隊(duì)?wèi)?zhàn)場(chǎng)環(huán)境保障專業(yè)力量、裝備、數(shù)據(jù)等底數(shù)的基礎(chǔ)上，根據(jù)其承擔(dān)的作戰(zhàn)任務(wù)建立不同的戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)保障方案和提取模型，減少任務(wù)分析理解所消耗的時(shí)間，依托現(xiàn)有的數(shù)據(jù)管理系統(tǒng)進(jìn)行智能快速提取，精準(zhǔn)、及時(shí)、迅速地完成保障任務(wù)。

1 知識(shí)圖譜用于戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)保障的價(jià)值

輔助提升戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)服務(wù)的全面性

目前戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)服務(wù)主要基于現(xiàn)有的戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)，對(duì)于任務(wù)所需數(shù)據(jù)能夠通過(guò)對(duì)現(xiàn)有數(shù)據(jù)加工獲取的并未提供保障服務(wù)。本項(xiàng)目可利用所建立的知識(shí)圖譜深度挖掘數(shù)據(jù)間的關(guān)聯(lián)關(guān)系，面向數(shù)據(jù)人員提供數(shù)據(jù)加工生產(chǎn)所需的現(xiàn)有數(shù)據(jù)情況，以更充分有效利用現(xiàn)有數(shù)據(jù)、輔助提升現(xiàn)有戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)保障服務(wù)的全面性。

完善現(xiàn)有的戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)保障模式

現(xiàn)有的數(shù)據(jù)保障模式難以滿足日漸增多的新型作戰(zhàn)任務(wù)、專業(yè)細(xì)化需求等應(yīng)急或更高層面的特殊需要，由于對(duì)現(xiàn)有數(shù)據(jù)的挖掘力度不足，所提供的數(shù)據(jù)存在不準(zhǔn)確、不全面等問(wèn)題。項(xiàng)目通過(guò)構(gòu)建某類任務(wù)下的數(shù)據(jù)知識(shí)圖譜能夠有效分析該任務(wù)下所需數(shù)據(jù)的關(guān)聯(lián)關(guān)系，提供更滿足需求的數(shù)據(jù)保障，能夠?yàn)榻⒉⒊掷m(xù)更新現(xiàn)有數(shù)據(jù)的知識(shí)圖譜、提升后續(xù)典型任務(wù)的數(shù)據(jù)保障模式提供良好的示范及技術(shù)支撐。

助力戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)智能化處理應(yīng)用

目前戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)分析與挖掘技術(shù)，能夠很好地處理具有“相關(guān)關(guān)系”特征的問(wèn)題，由于“數(shù)據(jù)驅(qū)動(dòng)”的方法嚴(yán)重依賴數(shù)據(jù)本身的特征，缺乏領(lǐng)域知識(shí)和專家經(jīng)驗(yàn)的融入，對(duì)于因果判斷、溯因推理、決策規(guī)劃等“因果關(guān)系”問(wèn)題難以有效挖掘分析。通過(guò)知識(shí)圖譜提供的先驗(yàn)知識(shí)去賦能戰(zhàn)場(chǎng)環(huán)境的分析挖掘， 能夠增強(qiáng)機(jī)器學(xué)習(xí)算法的學(xué)習(xí)能力，提高機(jī)器的認(rèn)知水平，實(shí)現(xiàn)“數(shù)據(jù)”與“知識(shí)”雙向驅(qū)動(dòng)的戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)智能化處理。

2 基于知識(shí)圖譜協(xié)同過(guò)濾算法的數(shù)據(jù)智能推薦

由于用戶數(shù)據(jù)的交互矩陣是非常稀疏的，常用的協(xié)同過(guò)濾算法在異常稀疏的交互矩陣上挖掘相似的用戶和數(shù)據(jù)及訓(xùn)練推薦模型，都會(huì)影響最終推薦結(jié)果的準(zhǔn)確度［1］。當(dāng)由于數(shù)據(jù)數(shù)量遠(yuǎn)多于用戶數(shù)量時(shí)，可能導(dǎo)致部分?jǐn)?shù)據(jù)從來(lái)沒(méi)有與用戶進(jìn)行交互，導(dǎo)致這些數(shù)據(jù)無(wú)法被推薦［2］。項(xiàng)目采用基于知識(shí)圖譜的協(xié)同過(guò)濾算法（KG-CF），通過(guò)在協(xié)同過(guò)濾算法中引入數(shù)據(jù)豐富的內(nèi)容信息，對(duì)知 識(shí)圖譜和協(xié)同過(guò)濾算法進(jìn)行結(jié)合，彌補(bǔ)協(xié)同過(guò)濾算法忽略了數(shù)據(jù)本身內(nèi)容信息的缺陷。

戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)知識(shí)圖譜構(gòu)建

由于戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)涉及種類較多，包含了大量多源結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化等異構(gòu)信息，各實(shí)體間的關(guān)聯(lián)關(guān)系較為復(fù)雜，面向戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)服務(wù)對(duì)于知識(shí)圖譜構(gòu)建的要求、實(shí)體的內(nèi)容、關(guān)系的描述也各不相同。綜上所述，知識(shí)圖譜的構(gòu)建過(guò)程應(yīng)以數(shù)據(jù)服務(wù)的需求為目標(biāo)，首先分塊獨(dú)立構(gòu)建知識(shí)圖譜， 然后將相同部分進(jìn)行合并和更新，最后建立統(tǒng)一的戰(zhàn)場(chǎng)環(huán)境知識(shí)圖譜。

知識(shí)圖譜的構(gòu)建首先應(yīng)以戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)服務(wù)需求的目標(biāo)為中心，從海量的戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)源中進(jìn)行實(shí)體抽取，通過(guò)現(xiàn)有的關(guān)系數(shù)據(jù)庫(kù)或規(guī)則得到一些簡(jiǎn)單的實(shí)體之間的關(guān)系［3］。但是有些實(shí)體關(guān)系是隱藏的、未知的，需要人工的判別或者大量數(shù)據(jù)的挖掘才能得到，因此通過(guò)實(shí)體關(guān)系挖掘可以得到更深層次的實(shí)體關(guān)系，最后通過(guò)實(shí)體關(guān)系表達(dá)構(gòu)建知識(shí)圖譜。

（1）戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)實(shí)體抽取

針對(duì)戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)對(duì)于實(shí)體的描述不一致性問(wèn)題，從海量的戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)中抽取參數(shù)、名稱和語(yǔ)義等信息，通過(guò)數(shù)據(jù)關(guān)系庫(kù)和規(guī)則實(shí)現(xiàn)實(shí)體對(duì)齊與共指消歧，完成實(shí)體集合的建立。實(shí)體抽取的過(guò)程如圖2 所示。

（2）戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)實(shí)體關(guān)系挖掘

戰(zhàn)場(chǎng)環(huán)境實(shí)體應(yīng)包括目標(biāo)、事件、地物和區(qū)域等實(shí)體，戰(zhàn)場(chǎng)環(huán)境海量信息應(yīng)包含測(cè)繪、地理、氣象、海洋、導(dǎo)航等。因此各實(shí)體之間的關(guān)系有十分明顯， 也有較為隱藏的，需要去挖掘才能發(fā)現(xiàn)。通過(guò)信息推理、數(shù)理統(tǒng)計(jì)、判讀經(jīng)驗(yàn)積累等方法，實(shí)現(xiàn)各實(shí)體間關(guān)系的挖掘。

軍事行動(dòng)中目標(biāo)的行為、事件的發(fā)展和態(tài)勢(shì)的轉(zhuǎn)變與多種因素有關(guān)，如作戰(zhàn)任務(wù)、地理環(huán)境、軍事形勢(shì)、指揮思想、目標(biāo)性能等。因此知識(shí)圖譜中的各

實(shí)體之間的關(guān)系錯(cuò)綜復(fù)雜，相互影響，因此需要深入研究各實(shí)體間關(guān)系，構(gòu)建完備的知識(shí)圖譜。

項(xiàng)目擬采用基于圖譜的推理方法，將現(xiàn)有知識(shí)圖譜生成為以實(shí)體為節(jié)點(diǎn)， 以實(shí)體關(guān)系為邊或以實(shí)體屬性作為邊，在圖上通過(guò) Path Ranking 算法尋找可能存在關(guān)系的實(shí)體［4］。從源節(jié)點(diǎn)開(kāi)始，在圖上執(zhí)行隨機(jī)游走，如果能夠通過(guò) 一個(gè)固定路徑到達(dá)目標(biāo)節(jié)點(diǎn)，則推測(cè)源和目的節(jié)點(diǎn)間可能存在某種關(guān)系。通過(guò) Path Ranking 算法生成的新關(guān)系，為加強(qiáng)推斷準(zhǔn)確率，可采用人工干預(yù)相輔助的方式來(lái)判定其是否符合生成新關(guān)系的條件，若是，則將其加入知識(shí)圖譜中。

（3）戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)實(shí)體關(guān)系表達(dá)

完備的知識(shí)圖譜可以為數(shù)據(jù)服務(wù)的規(guī)律挖掘與模型訓(xùn)練提供更高維度的特征數(shù)據(jù)。因此在實(shí)體抽取與關(guān)系挖掘的基礎(chǔ)上，通過(guò)實(shí)體關(guān)系圖進(jìn)行數(shù)據(jù)庫(kù)的建模是知識(shí)圖譜在戰(zhàn)場(chǎng)環(huán)境信息智能推薦中的實(shí)際應(yīng)用方式。戰(zhàn)場(chǎng)環(huán)境信息的實(shí)體關(guān)系圖（ERD）示意如圖3 所示。

（4）基于 D2R 映射數(shù)據(jù)的知識(shí)圖譜表示

知識(shí)圖譜是結(jié)構(gòu)化的語(yǔ)義知識(shí)庫(kù)，用于以符號(hào)形式描述物理世界中的概念及其相關(guān)關(guān)系。其基本組成單位是“實(shí)體—關(guān)系—實(shí)體”三元組，以及實(shí)體及其相關(guān)屬性—值對(duì)，實(shí)體間通過(guò)關(guān)系相互連接，構(gòu)成網(wǎng)狀的知識(shí)結(jié)構(gòu)［5］。在實(shí)現(xiàn)增量映射功能時(shí)，通過(guò)特定的關(guān)鍵詞和規(guī)則設(shè)置數(shù)據(jù)更新的標(biāo)記，最終經(jīng)過(guò)D2R 映射的數(shù)據(jù)直接存儲(chǔ)成為知識(shí)圖譜中的知識(shí)，在存儲(chǔ)支撐量允許的情況下完成海量數(shù)據(jù)映射的知識(shí)圖譜表示。

基于知識(shí)圖譜的數(shù)據(jù)智能推薦

（1）用戶畫像知識(shí)圖譜構(gòu)建

用戶畫像知識(shí)圖譜構(gòu)建需要融合戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)服務(wù)用戶基礎(chǔ)信息知識(shí)和行為信息知識(shí)。用戶基礎(chǔ)信息抽取面向的是用戶在數(shù)據(jù)服務(wù)平臺(tái)提交的基礎(chǔ)信息， 包括用戶的崗位、地域、軍兵種、學(xué)歷等；用戶行為信息抽取面向的是用戶在數(shù)據(jù)服務(wù)平臺(tái)產(chǎn)出的行為數(shù)據(jù)，包括用戶瀏覽、收藏等的數(shù)據(jù)信息。分別抽取這兩類信息的實(shí)體數(shù)據(jù)，進(jìn)行數(shù)據(jù)融合，構(gòu)建用戶畫像知識(shí)圖譜。

（2）基于知識(shí)圖譜的數(shù)據(jù)智能推薦算法

采用基于知識(shí)圖譜的協(xié)同過(guò)濾算法（KG-CF），可以有效地對(duì)知識(shí)圖譜和 協(xié)同過(guò)濾算法進(jìn)行結(jié)合。KG-CF 算法通過(guò)在協(xié)同過(guò)濾算法中引入戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)豐富的內(nèi)容信息，有效彌補(bǔ)協(xié)同過(guò)濾算法忽略數(shù)據(jù)本身內(nèi)容信息的缺陷，從而緩解數(shù)據(jù)稀疏性問(wèn)題，如圖4 所示。

（3）戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)推薦策略

推薦策略根據(jù)不同的任務(wù)內(nèi)容而不同，主要是數(shù)據(jù)服務(wù)平臺(tái)前端展示推薦數(shù)據(jù)的規(guī)則，通過(guò)推薦算法，可以獲取 3 類數(shù)據(jù)［6］。

①?gòu)?qiáng)關(guān)聯(lián)數(shù)據(jù)：按照用戶和戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)知識(shí)圖譜的相似度關(guān)系，相似度值最高的數(shù)據(jù)定義為強(qiáng)關(guān)聯(lián)數(shù)據(jù)。

②弱關(guān)聯(lián)數(shù)據(jù)：按照用戶和戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)知識(shí)圖譜的聚類結(jié)果，與推薦目標(biāo)用戶相似度較高用戶聚類的數(shù)據(jù)，且這些數(shù)據(jù)與目標(biāo)用戶關(guān)聯(lián)度較低的數(shù)據(jù)定義為弱關(guān)聯(lián)數(shù)據(jù)。

③無(wú)關(guān)聯(lián)數(shù)據(jù)：按照用戶和戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)知識(shí)圖譜的聚類結(jié)果，被聚類次數(shù)較高但與目標(biāo)用戶沒(méi)有關(guān)聯(lián)關(guān)系的數(shù)據(jù)為無(wú)關(guān)聯(lián)數(shù)據(jù)。

推薦策略可以圍繞這 3 類數(shù)據(jù)的推薦比例對(duì)用戶提供數(shù)據(jù)，實(shí)現(xiàn)不同任務(wù)內(nèi)容推薦數(shù)據(jù)不同，不同層級(jí)軍兵種部隊(duì)用戶推薦數(shù)據(jù)不同，相同用戶在實(shí)施不同任務(wù)內(nèi)容時(shí)推薦數(shù)據(jù)不同，滿足個(gè)性化保障的目的。

3 結(jié)束語(yǔ)

本文提出在戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)智能保障中應(yīng)用知識(shí)圖譜技術(shù)，主要面向不同層級(jí)的軍兵種部隊(duì)，通過(guò)現(xiàn)有數(shù)據(jù)管理系統(tǒng)管理的多種數(shù)據(jù)，以知識(shí)圖譜技術(shù)為

支撐，實(shí)現(xiàn)更智能、更精準(zhǔn)、更深層次的戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)保障。通過(guò)戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)實(shí)體抽取、實(shí)體關(guān)系挖掘和表達(dá)獲取全面精準(zhǔn)的戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)，構(gòu)建形成用戶畫像，基于知識(shí)圖譜的協(xié)同過(guò)濾算法，結(jié)合不同的推薦策略，為不同任務(wù)部隊(duì)完成各類作戰(zhàn)任務(wù)提供個(gè)性化的、可靠的數(shù)據(jù)智能保障。

參考文獻(xiàn)

［1］齊晶，劉瀛，劉艷霞，等．基于標(biāo)簽的協(xié)同過(guò)濾推薦方法研究［J］．北 京聯(lián)合大學(xué)學(xué)報(bào)，2021，124（2）：47-52．

［2］黃志良，申遠(yuǎn)，胡彪，等．軍事情報(bào)推薦技術(shù)發(fā)展綜述［J］．科學(xué)技術(shù) 與工程，2020，20（15）：5900-5909．

［3］王英杰．基于知識(shí)圖譜的地理實(shí)體關(guān)系構(gòu)建研究［D］．北京：北京建筑大學(xué)，2020．

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

［5］符山，呂艾臨，閆樹(shù)．知識(shí)圖譜的概念與應(yīng)用［J］．信息通信技術(shù)與政 策，2019（5）：10-13．

［6］周晶，孫喜民，于曉昆，等．知識(shí)圖譜與數(shù)據(jù)應(yīng)用：智能推薦［J］．電 信科學(xué)，2019（8）：165-170．

Application of Knowledge Graph in Intelligent Support of Battlefield Environment Data

Wang Zhenyu Fan Yuru

No.61206 Troops of PLA， Beijing

Abstract： With the rapid development of technology， the supported troops of battlefield environment has accumulated a large number of multi- source heterogeneous products of data. How to provide mission forces with more professional，more comprehensive and more accurate battlefield environment data to meet the increasingly rich requirements of military

struggle preparedness has become a hot issue. In this paper， a intelligent recommendation of data based on knowledge graph and collaborative filtering is proposed. This paper studies the construction of knowledge graph of battlefield environment data and the intelligent recommendation of data based on knowledge graph， verifies the usability of knowledge graph in intelligent support of battlefield environment data， and plays a positive role in promoting the efficiency of intelligent support of battlefield environment.

Key words： Knowledge graph; Battlefield environment data; Intelligent security