從通用知識圖譜中剖析電力知識圖譜的應用

國網河南信通公司 賈海鋒 王冰潔 王 浩 孫 元

2012年Google首次發布了知識圖譜產品，在工業界和學術界都產生了巨大的反響。百度推出的“知心”、搜狗推出的“知立方”，主要目的是利用知識圖譜的特點改進其自動問答模塊的內容檢索質量。隨著信息化的發展，電力系統的規模逐漸擴大，系統中的知識結構也隨之劇增，而電力行業作為國家重大的基礎能源體系，由于新的知識的持續加入，知識體系結構的復雜化、異構化知識不斷增加，電力系統的知識也不斷出現復雜性和多樣性[1]。為實現電力領域的智能化技術創新和知識管理，加強對自動化電力數據的充分利用，將人工智能技術和電力技術相結合，為實現下一個電力領域目標確定新的發展方向。

知識圖譜是融合傳統數據庫和人工智能相關技術的智能化結構圖數據庫，它的特點是可以實現對大規模的知識進行結構化管理。知識圖譜的構建具有特殊性，更多的是體現數據中實體和實體相關的屬性，在全局的生態模式中很難做到統一的管理[2]。

1 通用知識圖譜的研究

知識圖譜（Knowledge Graph）的本質是將實體要素間的關聯關系結構化表示，它是通過邊（Edge）和節點（Point）的連接將數據以圖結構的方式進行存儲。其中，實體以節點的形式表示，兩個實體間存在的某種關系用邊表示。正是因為知識圖譜體系架構的特殊性，它能把大規模且復雜多樣的數據信息連接在一塊，形成圖形化的關系網絡，也是數據間最直觀有效地表示方式。知識圖譜的最大特點是能更精確表示實體間的關系，因此從關系角度分析，Google實現并推出知識圖譜主要是利用知識圖譜可以更好地查詢復雜信息間的關聯，從語義角度提高搜索結果的質量，優化搜索引擎、甚至是實現問題的推理，從而理解用戶的真實意圖。對較為復雜的搜索問題仍能準確的返回正確的信息，這就說明搜索引擎通過知識圖譜真正理解了用戶的真實意圖。

通用知識圖譜，就是大多數人都能經常用到且數據較為統一時所構建的知識圖譜，對于知識結構相同、內容類似的數據，構建通用型知識圖譜可更大的擴充知識網絡。一般是解決常識類、百科類等的問題，沒有特殊領域的針對性、局限性。

例如，DBpedia是集成了維基百科大規模多語言數據的常識性知識圖譜。DBpedia使用多種知識抽取和知識融合方法將維基百科中的知識信息進行結構化抽取，將結構化信息轉換成三元組結構，利用實體和實體間的關系形成結構化的圖數據庫；BabelNet是一個由實體、關系和概念結構化組合形成的語義網絡（Semantic Network），它是目前世界范圍內最大的多語言同義詞典。目前BabelNet收集到的詞匯已經超過1400萬個，每一個詞匯都對應一個同義的集合，而每個同義集合中都保存了多種語言的同義詞。因此，大規模的結構化數據在知識圖譜的推動下促進了人工智能的發展。綜上所述，通用知識圖譜基本包含以下特點：面向的通用領域、數據結構化強、使用者大多是普通用戶、以常識和公共知識資源為主。

2 電力知識圖譜的研究

基于知識圖譜應用的研究主要可分為兩大類：特殊領域知識圖譜、通用知識圖譜。特殊領域知識圖譜主要是針對企業或具體特殊行業，是根據對某個行業或領域的子領域進行深入剖析所制定的方案，主要是解決當前行業或特定領域的專業問題。隨著電力行業的飛速發展，電力能源的使用促使行業數據不斷擴張，然而在建設智能化信息平臺的過程中可能會忽略對產生的數據系統化和結構化的管理，導致知識體系混亂、復雜，除結構化數據外，大部分數據都是以文本、圖片等非結構化數據的形式存儲[3]。此外由于電力領域業務較多，產生的電力數據的維度也有很多異構、復雜、多樣的數據資源對電力數據的管理產生一定的困擾。

知識圖譜近年來在知識梳理業務上起到至關重要的作用，無論是通用領域，還是金融、法律、軍事等一些特殊領域也受到了廣泛的關注和應用。而電力領域下又包含多個子領域，電力數據復雜多樣，因此，知識圖譜在電力領域的業務使用也更為廣泛，其中自然語言處理中信息抽取、實體識別等技術都為構建電力領域的知識圖譜提供了極為重要的基礎[4]。

隨著電力系統的增程式發展，信息化數據的通信量也隨之增大而形成了復雜的信息網絡，可再生資源的普及率也越來越高。開發智能電力系統，推動電力的快速發展，建設安全、環保、高效的電力能源系統的任務也越來越緊迫。目前人工智能作為一種新興的科學技術而崛起，為實現智能化電力系統提供了有力的幫助，尤其是人工智能能夠與大數據、云計算、物聯網等技術相結合，使電力系統往安全可控、智能交互的方向可持續發展。因此，在科技水平的推動下電網的安全性、可靠性和靈活性可以大大提高。

知識圖譜在電力領域中智能運維的應用：知識圖譜與電力領域知識庫相結合，構建智能化的運檢知識管理和理論認知的推理系統，實現安檢工作人員對不同類運檢知識的快速學習和問題解答，實現對檢修工單和工作票的智能化存儲、對比；知識圖譜在電力客服智能系統中的應用[5]：結合自然語言處理和智能識別的一系列知識融合技術，構建電力客服數據基礎庫和電力領域主體知識庫，建設電力客服領域知識圖譜并開發電力客服智能問答系統，精確響應客戶需求，提高服務效率，全面提升電力客戶服務水平。

3 電力知識圖譜的構建和關鍵技術

知識圖譜是通過知識信息抽取、知識融合等技術將大規模數據處理成實體和關系互相連接而形成的網絡結構，由“實體-屬性-屬性值”或“實體-關系-實體”三元組構成[6]。一個知識圖譜主要分四步構建：

電力領域知識存儲的設計：是對構建知識圖譜的一種規則約束，其中包括知識庫中的實體、實體間關系、實體屬性等關鍵信息；知識獲取：獲取電力系統中特定領域的相關數據，通過自動化技術抽取有用的知識信息。如運檢設備中的設備臺賬數據、設備缺陷數據、工單數據、檢修記錄等，通過智能化技術迅速的將電力數據轉化為可存儲數據，對于非結構化數據，可采用命名實體識別、基于模版規則的識別、基于智能模型的識別等人工智能技術，對非結構化數據進行抽取歸一化、結構化。

知識融合：是高層次的知識組織，使來自不同知識源的數據進行結構化抽取之后，在同一規范下進行實體對齊、加工、整合，最終形成高質量的知識庫；知識存儲：整合知識主要是以圖數據庫的形式存儲。圖數據庫中的節點表示實體、子領域、屬性值等，邊則代表了實體要素間的關系信息及實體和屬性間的關系。

4 結語

在當今的大數據和信息化時代，各行業的知識數據都面臨著爆炸式增長，知識的表達和組織方式以及對知識的智能化管理和應用成為了行業的研究熱點。知識圖譜是以圖的形式實現實體和實體、實體和屬性之間關系的知識庫，可以更直觀的分析和利用數據資源，為了體現知識圖譜在電力系統中的應用，文章深入剖析通用知識圖譜的相關研究，推理并分析在電力領域知識圖譜的構建和相關關鍵技術。

在電力領域中，保證電網的安全運行、精益電力的管理、提供優質的電力服務、實現精準的電力投資是電網的基本任務[7]。因此，構建電力領域的知識圖譜，對電力數據資源智能分析和管理，進而推動電力行業的進步。電力領域的知識圖譜為上層應用的開展奠定了良好的基石，具有廣闊的應用前景。