基于知識圖譜與優化數據架構的電力服務系統設計

張 靖，方 銳，周 婕，張 迪

（國網安徽省電力有限公司信息通信分公司，安徽合肥 230000）

當前，電力公司的營銷服務主要包括95598 電話、掌上電力、電e 寶、微信公眾號與營業廳現場等多種方式[1-5]。其中線下服務渠道人員成本較高，且服務范圍有限；而線上服務渠道僅限于客戶業務的線上自助辦理，故無法提供實時在線的人工客服功能。以某省公司為例，該省營銷服務中心的人工客服坐席有20 余人，服務方式仍為線上通話，基本可滿足話務需求。但其一對一的服務模式不僅時效性較差，且還無法提供圖片等多媒體交互方式[6-11]。隨著線上咨詢工單數量的迅速增加，現有客服人員的規模與工作模式已難以滿足客戶日益增長的服務訴求。因此，亟需增加多元化的在線互動服務模式。即通過拓展文字、圖片等交互手段來實現一對多的服務方式，進而提高人工坐席的工作效率，并提升客服人員的服務質量。

知識圖譜(Knowledge Graph)是實現電力服務智能化中智能問答及搜索的關鍵技術。該技術是一種由節點和邊組成的語義網絡，其特點是規模龐大、數據稀疏，還可根據系統需求不斷增長數據量。因此，如何實現大規模的數據存儲，并在海量噪聲數據下完成對知識圖譜的查詢是智能化服務的關鍵。該文基于知識圖譜設計了線上電力服務系統，同時對其數據存儲架構設計、查詢方法進行了深入研究。

1 理論基礎

1.1 系統設計

文中基于軟件工程理論的指導進行了系統設計。在該理論下，需要通過詳細的需求分析將系統的相關功能轉化為軟件技術可實現的模塊。

根據前期調研，參與電力智能化服務業務的人員主要可分為三類，其各自的角色定義如表1所示。

表1 智能化服務的角色定義

為實現電力服務的智能化，設計了系統功能模塊，具體如圖1 所示。

圖1 系統功能模塊設計

各模塊的功能如下：

1）在線服務接入

該模塊主要用于實現在線會話流程的創建、會話服務的分派與人工服務的接入等。同時還可智能化判斷客戶接入的優先級，并完成對客戶排隊策略的控制，從而進行智能化的服務引導。

2）人工交互管理

該模塊主要負責線上人工服務對接與在線業務受理。具體服務包括智能識別用戶需求、實現會話控制和及時完成在線交互等。此外其還能為客戶提供智能化的問答內容推薦，并進行服務指導。最終，再根據用戶的需求完成電力報修、工單生成等服務。

3）知識圖譜管理

該模塊是實現系統智能化的核心模塊。文中依據電網運行、用電服務過程中積累的結構化或非結構化數據進行規律性組織，進而構建知識圖譜并輔助客服人員對線上業務加以辦理。在該模塊中，首先需完成知識圖譜的建模，包括概念定義、屬性定義及關系規約的建立；其次，進行結構化數據的架構，實現知識圖譜的高效存儲；最后，實現對知識圖譜的模糊、精準、關聯及推薦等多維度搜索。

4）系統支撐管理

該模塊主要實現對系統運行狀態、數據、服務及告警的智能化監控；并對系統的運行參數、用戶權限等進行設置與管理。客戶使用此模塊能夠查詢用戶信息、用電量、電費、繳費記錄及停電公告等。

1.2 知識圖譜的查詢算法

該文基于FastDFS 文件系統實現了知識圖譜的分布式存儲，而如何快速、有效地完成知識圖譜查詢是提升電力服務系統效率的關鍵。因此，文中引入了一種分布式知識圖譜查詢的方法[12-13]。

知識圖譜的本質是一張具備頂點標簽的實體網絡，在FastDFS 文件系統上，通過圖的數據結構進行存儲。因此，知識圖譜的查詢可轉化為數學中的子圖匹配問題[14-15]。首先，以無向圖表示知識圖譜過程的表達式如下：

式中，v、u表示知識圖譜的頂點，V、E、T和L分別是頂點、邊、頂點類型與標簽類型的集合。記全量的知識圖譜、查詢的子圖分別為G=(VG、EG、T、L)和Q=(VQ、EQ、T、L)。

在查詢過程中，還需定義Q、G之間的相似度。則此時需引入鄰域向量：

式中，q∈V，m為Q的頂點個數。φQ的計算方式如下：

式中，lu,v是兩個頂點間的最短路徑長度，nu,v則是最短路徑的數量，α為取值在[0,1]之間的調節因子。

基于式（2）的定義，對于查詢頂點qi，可得到其與匹配頂點鄰域向量間的相似度：

其中，f是圖的一個嵌入。而Θ 的定義方式如下：

圖2 給出了算法對于圖譜的查詢示意，已知Q找到了兩個嵌入f1和f2。通過式（2）的鄰域計算與式（4）相似度對比，得到f1(q3)為更優匹配點。

圖2 查詢圖與查詢結果

為避免采用枚舉法(Enumeration Method)來求解子圖匹配的問題，該文對每個待搜索的頂點均進行了篩選，并在G中提取高質量頂點，以縮小搜索空間。對于嵌入f，將其代價C分解可得：

2 方法實現

2.1 分布式存儲系統搭建

文中設計的電力服務系統預計用戶規模為2 500 萬，并根據通用估算公式：并發數=（用戶總量/統計時間）×影響因子=(25 000 000/(8×60×60))×1≈868，估算出系統的并發用戶量約為1 000 個。因此，服務系統的知識圖譜建設需求如表2 所示。

表2 系統建設需求

經前期的數據庫設計，知識圖譜共包含84 張數據表，涉及795 個字段。其中包括了電力服務的知識、問題與素材等數據，后續每年的增長量為110 GB。為滿足上述需求，并保證知識圖譜的存儲、查詢及擴增效率，采用分布式的文件架構FastDFS 實現存儲，具體架構如圖3 所示[16]。

圖3 系統硬件架構

根據FastDFS 架構，系統中部署了3 臺追蹤服務器(Tracker)并開啟22122 端口偵聽，進而保證客戶端(Client)可通過專用的API 接口找到對應的存儲服務器(Storage)。同時，還使用了9 臺Storage 來保存知識圖譜的元數據。且將這9 臺Storage 分成3 個集群(Group)，每個集群有3 臺Storage。所有的Storage 均默認開啟23000 端口以監聽服務端請求。此外Storage 及Tracker 的單機配置一致，具體如表3 所示。

表3 單臺服務器配置

系統實現時，其他相關技術參數如表4 所示。

表4 知識圖譜管理后臺技術實現參數

2.2 系統測試結果

在系統實現后，需對上文知識圖譜查詢方法的查找效率進行驗證。文中使用RDF-3X、NESS 算法與該文方法進行對比，算法的相關特性對比如表5所示。

表5 3種算法相關特性對比

從表中可以看出，相較于現有算法，該文算法可完全支持知識圖譜的近似匹配，且對于數據的組織形式要求也較低，故其應用場景更為廣泛。在進行查詢測試時，結合電力服務場景設計了100 個查詢實例，測試結果如表6 所示。

表6 查詢測試結果

從表中可以看出，3 種算法的匹配精度在相同空間復雜度下基本一致，但該文算法相較RDF-3X、NESS 分別提升了0.88%及1.71%。該文算法的提升主要體現在知識圖譜的查詢效率上，相較于RDF-3X和NESS算法，用時分別降低了85.59%和73.71%。

最后，對系統數據庫后臺的相關性能進行了普通黑盒測試和業務高峰下的壓力實驗，結果如表7所示。

表7 壓力測試結果

作為對比，該文通過斷開部分Storage 和Tracker間的通信，來模擬采用集中式存儲文件系統的SQL響應和知識圖譜查詢時間，具體結果如表8 所示。

表8 集中式存儲文件系統的測試結果

根據表7、8 可知，該文算法采用分布式存儲對系統的數據架構優化后，在業務高峰時期，系統數據庫的SQL 平均響應時間從22.3 s 降低到9.3 s，降低了58.3%；知識圖譜的查詢時間從26.2 s 降低到2.18 s，降低了91.7%。

3 結束語

該文以提升電力營銷服務的智能化水平為目的，整合現有的營銷服務體系，設計了電力服務平臺。文中對知識圖譜的存儲、查詢兩項關鍵技術進行了研究，保障了系統在高并發下的運行效率和后期數據增長的可擴展性。系統的設計和實現可以進一步提高電力公司業務辦理效率，提升服務管控水平。