知識圖譜在戰場環境數據智能保障中的應用

王振宇 范玉茹

摘 ? 要｜隨著技術手段的飛速發展，戰場環境保障部隊積累了大量的多源異構數據產品。如何向任務部隊提供更加專業、更加全面、更加精準的戰場環境數據保障，以滿足越來越豐富的軍事斗爭準備要求成為一個熱點問題。本書提出了一種基于知識圖譜與協同過濾的數據智能推薦方法，研究了戰場環境數據知識圖譜構建和基于知識圖譜的數據智能推薦，驗證了知識圖譜在戰場環境數據智能保障中的可用性，對提升戰場環境智能保障效能起到了積極的推進作用。

關鍵詞｜知識圖譜；戰場環境數據；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/

當前戰場環境保障部隊已實現普適化數據產品的服務保障，但面對日漸增多的新型作戰任務、專業細化需求等應急或更深層面的特殊需要，還需要提升快速分析理解任務、快速查詢提取數據、精準引導需求數據生產、智能推薦全面成果等能力。在戰場環境數據保障中引入知識圖譜和智能推薦技術，就是在摸清部隊戰場環境保障專業力量、裝備、數據等底數的基礎上，根據其承擔的作戰任務建立不同的戰場環境數據保障方案和提取模型，減少任務分析理解所消耗的時間，依托現有的數據管理系統進行智能快速提取，精準、及時、迅速地完成保障任務。

1 知識圖譜用于戰場環境數據保障的價值

輔助提升戰場環境數據服務的全面性

目前戰場環境數據服務主要基于現有的戰場環境數據，對于任務所需數據能夠通過對現有數據加工獲取的并未提供保障服務。本項目可利用所建立的知識圖譜深度挖掘數據間的關聯關系，面向數據人員提供數據加工生產所需的現有數據情況，以更充分有效利用現有數據、輔助提升現有戰場環境數據保障服務的全面性。

完善現有的戰場環境數據保障模式

現有的數據保障模式難以滿足日漸增多的新型作戰任務、專業細化需求等應急或更高層面的特殊需要，由于對現有數據的挖掘力度不足，所提供的數據存在不準確、不全面等問題。項目通過構建某類任務下的數據知識圖譜能夠有效分析該任務下所需數據的關聯關系，提供更滿足需求的數據保障，能夠為建立并持續更新現有數據的知識圖譜、提升后續典型任務的數據保障模式提供良好的示范及技術支撐。

助力戰場環境數據智能化處理應用

目前戰場環境數據分析與挖掘技術，能夠很好地處理具有“相關關系”特征的問題，由于“數據驅動”的方法嚴重依賴數據本身的特征，缺乏領域知識和專家經驗的融入，對于因果判斷、溯因推理、決策規劃等“因果關系”問題難以有效挖掘分析。通過知識圖譜提供的先驗知識去賦能戰場環境的分析挖掘， 能夠增強機器學習算法的學習能力，提高機器的認知水平，實現“數據”與“知識”雙向驅動的戰場環境數據智能化處理。

2 基于知識圖譜協同過濾算法的數據智能推薦

由于用戶數據的交互矩陣是非常稀疏的，常用的協同過濾算法在異常稀疏的交互矩陣上挖掘相似的用戶和數據及訓練推薦模型，都會影響最終推薦結果的準確度［1］。當由于數據數量遠多于用戶數量時，可能導致部分數據從來沒有與用戶進行交互，導致這些數據無法被推薦［2］。項目采用基于知識圖譜的協同過濾算法（KG-CF），通過在協同過濾算法中引入數據豐富的內容信息，對知 識圖譜和協同過濾算法進行結合，彌補協同過濾算法忽略了數據本身內容信息的缺陷。

戰場環境數據知識圖譜構建

由于戰場環境數據涉及種類較多，包含了大量多源結構化、半結構化、非結構化等異構信息，各實體間的關聯關系較為復雜，面向戰場環境數據服務對于知識圖譜構建的要求、實體的內容、關系的描述也各不相同。綜上所述，知識圖譜的構建過程應以數據服務的需求為目標，首先分塊獨立構建知識圖譜， 然后將相同部分進行合并和更新，最后建立統一的戰場環境知識圖譜。

知識圖譜的構建首先應以戰場環境數據服務需求的目標為中心，從海量的戰場環境數據源中進行實體抽取，通過現有的關系數據庫或規則得到一些簡單的實體之間的關系［3］。但是有些實體關系是隱藏的、未知的，需要人工的判別或者大量數據的挖掘才能得到，因此通過實體關系挖掘可以得到更深層次的實體關系，最后通過實體關系表達構建知識圖譜。

（1）戰場環境數據實體抽取

針對戰場環境數據對于實體的描述不一致性問題，從海量的戰場環境數據中抽取參數、名稱和語義等信息，通過數據關系庫和規則實現實體對齊與共指消歧，完成實體集合的建立。實體抽取的過程如圖2 所示。

（2）戰場環境數據實體關系挖掘

戰場環境實體應包括目標、事件、地物和區域等實體，戰場環境海量信息應包含測繪、地理、氣象、海洋、導航等。因此各實體之間的關系有十分明顯， 也有較為隱藏的，需要去挖掘才能發現。通過信息推理、數理統計、判讀經驗積累等方法，實現各實體間關系的挖掘。

軍事行動中目標的行為、事件的發展和態勢的轉變與多種因素有關，如作戰任務、地理環境、軍事形勢、指揮思想、目標性能等。因此知識圖譜中的各

實體之間的關系錯綜復雜，相互影響，因此需要深入研究各實體間關系，構建完備的知識圖譜。

項目擬采用基于圖譜的推理方法，將現有知識圖譜生成為以實體為節點， 以實體關系為邊或以實體屬性作為邊，在圖上通過 Path Ranking 算法尋找可能存在關系的實體［4］。從源節點開始，在圖上執行隨機游走，如果能夠通過 一個固定路徑到達目標節點，則推測源和目的節點間可能存在某種關系。通過 Path Ranking 算法生成的新關系，為加強推斷準確率，可采用人工干預相輔助的方式來判定其是否符合生成新關系的條件，若是，則將其加入知識圖譜中。

（3）戰場環境數據實體關系表達

完備的知識圖譜可以為數據服務的規律挖掘與模型訓練提供更高維度的特征數據。因此在實體抽取與關系挖掘的基礎上，通過實體關系圖進行數據庫的建模是知識圖譜在戰場環境信息智能推薦中的實際應用方式。戰場環境信息的實體關系圖（ERD）示意如圖3 所示。

（4）基于 D2R 映射數據的知識圖譜表示

知識圖譜是結構化的語義知識庫，用于以符號形式描述物理世界中的概念及其相關關系。其基本組成單位是“實體—關系—實體”三元組，以及實體及其相關屬性—值對，實體間通過關系相互連接，構成網狀的知識結構［5］。在實現增量映射功能時，通過特定的關鍵詞和規則設置數據更新的標記，最終經過D2R 映射的數據直接存儲成為知識圖譜中的知識，在存儲支撐量允許的情況下完成海量數據映射的知識圖譜表示。

基于知識圖譜的數據智能推薦

（1）用戶畫像知識圖譜構建

用戶畫像知識圖譜構建需要融合戰場環境數據服務用戶基礎信息知識和行為信息知識。用戶基礎信息抽取面向的是用戶在數據服務平臺提交的基礎信息， 包括用戶的崗位、地域、軍兵種、學歷等；用戶行為信息抽取面向的是用戶在數據服務平臺產出的行為數據，包括用戶瀏覽、收藏等的數據信息。分別抽取這兩類信息的實體數據，進行數據融合，構建用戶畫像知識圖譜。

（2）基于知識圖譜的數據智能推薦算法

采用基于知識圖譜的協同過濾算法（KG-CF），可以有效地對知識圖譜和 協同過濾算法進行結合。KG-CF 算法通過在協同過濾算法中引入戰場環境數據豐富的內容信息，有效彌補協同過濾算法忽略數據本身內容信息的缺陷，從而緩解數據稀疏性問題，如圖4 所示。

（3）戰場環境數據推薦策略

推薦策略根據不同的任務內容而不同，主要是數據服務平臺前端展示推薦數據的規則，通過推薦算法，可以獲取 3 類數據［6］。

①強關聯數據：按照用戶和戰場環境數據知識圖譜的相似度關系，相似度值最高的數據定義為強關聯數據。

②弱關聯數據：按照用戶和戰場環境數據知識圖譜的聚類結果，與推薦目標用戶相似度較高用戶聚類的數據，且這些數據與目標用戶關聯度較低的數據定義為弱關聯數據。

③無關聯數據：按照用戶和戰場環境數據知識圖譜的聚類結果，被聚類次數較高但與目標用戶沒有關聯關系的數據為無關聯數據。

推薦策略可以圍繞這 3 類數據的推薦比例對用戶提供數據，實現不同任務內容推薦數據不同，不同層級軍兵種部隊用戶推薦數據不同，相同用戶在實施不同任務內容時推薦數據不同，滿足個性化保障的目的。

3 結束語

本文提出在戰場環境數據智能保障中應用知識圖譜技術，主要面向不同層級的軍兵種部隊，通過現有數據管理系統管理的多種數據，以知識圖譜技術為

支撐，實現更智能、更精準、更深層次的戰場環境數據保障。通過戰場環境數據實體抽取、實體關系挖掘和表達獲取全面精準的戰場環境數據，構建形成用戶畫像，基于知識圖譜的協同過濾算法，結合不同的推薦策略，為不同任務部隊完成各類作戰任務提供個性化的、可靠的數據智能保障。

參考文獻

［1］齊晶，劉瀛，劉艷霞，等．基于標簽的協同過濾推薦方法研究［J］．北 京聯合大學學報，2021，124（2）：47-52．

［2］黃志良，申遠，胡彪，等．軍事情報推薦技術發展綜述［J］．科學技術 與工程，2020，20（15）：5900-5909．

［3］王英杰．基于知識圖譜的地理實體關系構建研究［D］．北京：北京建筑大學，2020．

［4］王昊奮，漆桂林，陳華鈞．知識圖譜：方法、實踐與應用［M］．北京： 電子工業出版社，2019．

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

［6］周晶，孫喜民，于曉昆，等．知識圖譜與數據應用：智能推薦［J］．電 信科學，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