江志浩，周 卿，石 敏，鄭義成，王雅芬

（1.91977部隊(duì)，北京102249；2.海軍裝備部，北京100071）

高技術(shù)條件下作戰(zhàn)，各類戰(zhàn)場傳感器和監(jiān)控設(shè)備被廣泛使用，產(chǎn)生的各類作戰(zhàn)數(shù)據(jù)、情報(bào)數(shù)據(jù)呈“爆炸式”增長，且各類作戰(zhàn)目標(biāo)信息具有數(shù)據(jù)量大、傳輸迅速等特點(diǎn)。因此，在現(xiàn)代戰(zhàn)爭中，造成“戰(zhàn)爭迷霧”的主要因素已不再是信息匱乏，而是信息過剩。如何將各類作戰(zhàn)目標(biāo)信息快速、高效、準(zhǔn)確地提供給指揮員，避免其淹沒在海量信息中，是作戰(zhàn)目標(biāo)信息服務(wù)保障和輔助決策的核心問題之一。

作戰(zhàn)目標(biāo)信息具有典型的大數(shù)據(jù)“4V”特征[1-2]：①規(guī)模巨大（Volume），包括陸、海、空、天、電磁、網(wǎng)絡(luò)等各作戰(zhàn)域的作戰(zhàn)目標(biāo)信息；②類型多樣（Variety），包括多種戰(zhàn)場偵察監(jiān)視手段獲取的多類作戰(zhàn)目標(biāo)結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化信息；③高速處理（Velocity），戰(zhàn)場態(tài)勢瞬息萬變，對作戰(zhàn)目標(biāo)信息處理提出高速甚至實(shí)時(shí)性要求；④高價(jià)值（Value），作戰(zhàn)目標(biāo)數(shù)據(jù)直接關(guān)乎軍事利益和國家利益，本身具有高價(jià)值的特征。如何將這些戰(zhàn)場信息優(yōu)勢轉(zhuǎn)換為決策優(yōu)勢和作戰(zhàn)優(yōu)勢是作戰(zhàn)目標(biāo)信息服務(wù)保障的難題之一。

知識圖譜（Knowledge Graph）[3-5]是解決上述難題的方法之一。知識圖譜可對海量數(shù)據(jù)進(jìn)行重新抽象、整理和組織，以更加合理、有序、直觀的方式將知識展示給用戶，使之能更加有利于人的理解和認(rèn)知，從而更加有效地指導(dǎo)決策。

1 知識圖譜與作戰(zhàn)目標(biāo)

1.1 知識圖譜的概念

知識圖譜，本質(zhì)上是一種語義網(wǎng)絡(luò)，用于以符號形式描述物理世界中的概念及其相互關(guān)系。知識圖譜用于繪制、分析和顯示研究主題之間的相互聯(lián)系，是將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化、信息科學(xué)等學(xué)科的理論和方法與計(jì)量學(xué)引文分析、共現(xiàn)分析等方法結(jié)合，達(dá)到知識融合目的的現(xiàn)代理論。它將復(fù)雜的知識領(lǐng)域通過數(shù)據(jù)挖掘、信息處理、知識計(jì)量和圖形繪制顯示出來，揭示知識領(lǐng)域的動(dòng)態(tài)發(fā)展規(guī)律，可為特定領(lǐng)域研究提供切實(shí)、有價(jià)值的參考。

知識圖譜構(gòu)成了一張巨大的語義網(wǎng)絡(luò)圖，網(wǎng)絡(luò)節(jié)點(diǎn)表示一個(gè)實(shí)體或一個(gè)概念，節(jié)點(diǎn)之間的邊表示屬性或關(guān)系。因此，知識圖譜的基本組成單位是“實(shí)體—屬性”和“實(shí)體—屬性—實(shí)體”“實(shí)體—關(guān)系—實(shí)體”三元組，實(shí)體間通過關(guān)系相互鏈接而構(gòu)成一個(gè)網(wǎng)狀的知識結(jié)構(gòu)，通過一個(gè)由眾多節(jié)點(diǎn)和邊構(gòu)成的網(wǎng)狀圖對知識進(jìn)行完整而清晰的描述。當(dāng)大量知識圖譜經(jīng)整合并按體系分類組織后，就形成了知識庫。

1.2 作戰(zhàn)目標(biāo)和作戰(zhàn)目標(biāo)數(shù)據(jù)

目標(biāo)在作戰(zhàn)指揮中的定義是：交戰(zhàn)雙方為實(shí)現(xiàn)某種作戰(zhàn)意圖，彼此進(jìn)行跟蹤、打擊、壓制、攻占或摧毀的對象[1]。因此，作戰(zhàn)目標(biāo)既包括敵我雙方參與作戰(zhàn)的飛機(jī)、坦克、車輛、艦艇、衛(wèi)星等平臺(tái)，又包括來襲導(dǎo)彈、魚（水）雷、作戰(zhàn)機(jī)器人、UUV/UAV、潛（浮）標(biāo)等武器和傳感器目標(biāo)，還包括各類作戰(zhàn)工事、指揮所、部隊(duì)甚至重點(diǎn)人員等目標(biāo)。

在作戰(zhàn)過程中，指揮機(jī)構(gòu)和指揮員要做出準(zhǔn)確的決策。這不僅要及時(shí)了解目標(biāo)實(shí)時(shí)態(tài)勢等戰(zhàn)場情報(bào)信息，而且要結(jié)合戰(zhàn)場情報(bào)信息對敵我雙方戰(zhàn)場目標(biāo)進(jìn)行及時(shí)、準(zhǔn)確、全面的理解。因此，作戰(zhàn)目標(biāo)信息應(yīng)該包含以下4個(gè)方面。

1）目標(biāo)基本數(shù)據(jù)。如目標(biāo)的名稱、屬性、類型、身份、尺寸、結(jié)構(gòu)、作用、技戰(zhàn)術(shù)性能等。

2）目標(biāo)特征數(shù)據(jù)。聲學(xué)、光電（含可見光、紅外、激光、紫外線等）、射頻（包括通信輻射源、雷達(dá)輻射源、雷達(dá)散射特征等、電磁指紋特征等）、核輻射等特征數(shù)據(jù)。

3）目標(biāo)戰(zhàn)例數(shù)據(jù)。歷史航跡、主要作戰(zhàn)樣式、以往戰(zhàn)例等信息。

4）目標(biāo)戰(zhàn)場數(shù)據(jù)。目標(biāo)指揮關(guān)系，目標(biāo)與目標(biāo)、目標(biāo)與任務(wù)之間可能存在的關(guān)系等信息。

1.3 作戰(zhàn)目標(biāo)知識圖譜

知識圖譜在商用領(lǐng)域的應(yīng)用，展現(xiàn)出其在解決知識理解、知識推理、知識演化方面問題的巨大優(yōu)勢。目前，知識圖譜多應(yīng)用于醫(yī)療、圖書等通用領(lǐng)域，在軍事等針對性較強(qiáng)領(lǐng)域的應(yīng)用相當(dāng)有限，尤其是面向作戰(zhàn)目標(biāo)分析的知識圖譜技術(shù)應(yīng)用，還沒有較好地實(shí)現(xiàn)知識圖譜構(gòu)建和應(yīng)用。

傳統(tǒng)的作戰(zhàn)目標(biāo)保障通常采用多頭保障、分級處理模式。因此，作戰(zhàn)目標(biāo)數(shù)據(jù)通常散落在特定傳感器、情報(bào)分析、指揮決策、武器等系統(tǒng)的各個(gè)角落，難以形成目標(biāo)知識體系和數(shù)據(jù)合力。新技術(shù)條件下，戰(zhàn)場目標(biāo)信息呈爆炸式增長，傳統(tǒng)的信息管理、處理方式已經(jīng)無法滿足對戰(zhàn)場信息及大量作戰(zhàn)知識的管理、應(yīng)用和理解。

利用多源情報(bào)戰(zhàn)場態(tài)勢數(shù)據(jù)，通過作戰(zhàn)目標(biāo)知識圖譜的構(gòu)建，可對戰(zhàn)場目標(biāo)的真實(shí)情況、目標(biāo)信息、行為模式、作戰(zhàn)關(guān)系等進(jìn)行“深度刻畫”，將有效支撐戰(zhàn)場作戰(zhàn)指揮、情報(bào)研究、動(dòng)向預(yù)判等行動(dòng)。

1.4 作戰(zhàn)目標(biāo)知識表示

作戰(zhàn)目標(biāo)知識表示是作戰(zhàn)目標(biāo)知識圖譜構(gòu)建的核心之一，直接影響到基于作戰(zhàn)目標(biāo)知識圖譜的推理、計(jì)算、關(guān)聯(lián)等應(yīng)用。作戰(zhàn)目標(biāo)知識圖譜通常利用目標(biāo)本體知識表示對目標(biāo)進(jìn)行描述。目標(biāo)本體知識表示包括實(shí)體、事件、屬性、關(guān)系、狀態(tài)等方面。其中，實(shí)體包括作戰(zhàn)目標(biāo)對象、裝備、設(shè)施、人員等，例如“里根”號航母、美軍駐日本橫須賀海軍基地、AN/FPS-115遠(yuǎn)程預(yù)警雷達(dá)；事件包括各類作戰(zhàn)案例、軍事行動(dòng)等，如“環(huán)太平洋-2020”聯(lián)合軍演、亞丁灣護(hù)航、跟蹤監(jiān)視等；屬性是實(shí)體或事件相關(guān)的特征屬性，如目標(biāo)國別、目標(biāo)種類、時(shí)間、地點(diǎn)、噸位、規(guī)模尺寸等；關(guān)系是指實(shí)體與實(shí)體、實(shí)體與事件、事件與事件之間的邏輯關(guān)系，包括隸屬關(guān)系、指揮關(guān)系、從屬關(guān)系、時(shí)空關(guān)系、因果關(guān)系等；狀態(tài)為作戰(zhàn)目標(biāo)與時(shí)間、空間相關(guān)的狀態(tài)，如航渡、錨泊、維修、封存、墜毀等。

作戰(zhàn)目標(biāo)本體知識表示如圖1所示。

圖1 作戰(zhàn)目標(biāo)本體知識表示示例Fig.1 Target ontology diagram of knowledge description in battlefield

2 作戰(zhàn)目標(biāo)知識圖譜構(gòu)建

2.1 作戰(zhàn)目標(biāo)知識圖譜技術(shù)應(yīng)用架構(gòu)

作戰(zhàn)目標(biāo)知識圖譜應(yīng)用架構(gòu)共3 層，包括作戰(zhàn)目標(biāo)知識收集、作戰(zhàn)目標(biāo)知識庫構(gòu)建、作戰(zhàn)目標(biāo)知識圖譜應(yīng)用服務(wù)，如圖2所示。

圖2 作戰(zhàn)目標(biāo)知識圖譜應(yīng)用架構(gòu)Fig.2 Application framwork of target knowledge graph in battlefield

作戰(zhàn)目標(biāo)知識收集是建立知識圖譜構(gòu)建的基礎(chǔ)，通過對目標(biāo)特性、地理信息、戰(zhàn)場環(huán)境、情報(bào)資料、武器裝備等數(shù)據(jù)資料進(jìn)行收集、整理、分類，形成作戰(zhàn)知識體系。

作戰(zhàn)目標(biāo)知識圖譜構(gòu)建是知識圖譜技術(shù)在軍事應(yīng)用中的核心，主要是通過知識抽取、知識融合技術(shù)，從各類數(shù)據(jù)中抽取目標(biāo)實(shí)體、屬性（值）及關(guān)系，并對作戰(zhàn)目標(biāo)知識進(jìn)行整合和優(yōu)化，完成知識圖譜構(gòu)建。

作戰(zhàn)目標(biāo)知識應(yīng)用服務(wù)是基于作戰(zhàn)目標(biāo)知識庫和具體軍事需求開展的搜索查詢、統(tǒng)計(jì)分析、可視化表示、知識挖掘、語義分析的軍事化應(yīng)用。

2.2 作戰(zhàn)目標(biāo)知識圖譜構(gòu)建的主要步驟

2.2.1 實(shí)體抽取

實(shí)體抽取[6-7]，也叫命名實(shí)體識別（Named Entity Recognition，NER），是從各種知識數(shù)據(jù)中自動(dòng)提取出實(shí)體并對每個(gè)實(shí)體做分類、標(biāo)簽。

傳統(tǒng)的方法有基于規(guī)則的方法，如從數(shù)據(jù)集中識別抽取出人名、地名等專有名詞等實(shí)體信息；基于統(tǒng)計(jì)學(xué)習(xí)的方法，是一種基于有監(jiān)督學(xué)習(xí)的實(shí)體抽取方法，在準(zhǔn)確率和召回率上的表現(xiàn)還不夠理想，且算法的性能依賴于訓(xùn)練樣本的規(guī)模。

由于軍事領(lǐng)域的實(shí)體分類相對固定，人工預(yù)先定義分類與統(tǒng)計(jì)聚類相結(jié)合的方法可實(shí)現(xiàn)實(shí)體抽取。對于任意給定的實(shí)體，采用統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法，從目標(biāo)數(shù)據(jù)集中抽取出與之具有相似上下文特征的實(shí)體，從而實(shí)現(xiàn)實(shí)體的分類和聚類。

2.2.2 關(guān)系抽取

關(guān)系抽取[8-9]就是從數(shù)據(jù)集中提取出實(shí)體之間的關(guān)聯(lián)關(guān)系，通過這些關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)對實(shí)體不同知識的聯(lián)系，進(jìn)而形成網(wǎng)狀的知識結(jié)構(gòu)。

早期的關(guān)系抽取研究方法主要是通過人工構(gòu)造語法和語義規(guī)則，據(jù)此采用模式匹配的方法來識別實(shí)體間的關(guān)系；基于特征向量或核函數(shù)的有監(jiān)督學(xué)習(xí)方法，但需要大量人工標(biāo)注的訓(xùn)練集，才能確保算法的有效性和準(zhǔn)確性。

由于軍事領(lǐng)域的實(shí)體關(guān)系具有多樣性和復(fù)雜性，可采用基于自監(jiān)督學(xué)習(xí)的開放信息抽取模型，通過采用少量人工標(biāo)記數(shù)據(jù)作為訓(xùn)練集，據(jù)此得到一個(gè)實(shí)體關(guān)系分類模型；再依據(jù)該模型對開放數(shù)據(jù)進(jìn)行分類；依據(jù)分類結(jié)果，訓(xùn)練統(tǒng)計(jì)機(jī)器學(xué)習(xí)模型來識別“實(shí)體—關(guān)系—實(shí)體”三元組關(guān)系。

2.2.3 屬性抽取

屬性抽取[7]是從不同信息源中采集特定實(shí)體的屬性信息的過程。例如，針對某個(gè)特定敵方目標(biāo)，可以從各類目標(biāo)信息中得到其呼號、代號、國籍等信息。屬性抽取能夠從多種數(shù)據(jù)源中匯集這些信息，實(shí)現(xiàn)對實(shí)體屬性的完整勾畫。

作戰(zhàn)目標(biāo)知識圖譜存在一些涉密實(shí)體，大量的實(shí)體屬性為涉密信息，公開數(shù)據(jù)集、公開知識庫很難滿足屬性抽取的需求。對于結(jié)構(gòu)化數(shù)據(jù)，實(shí)體屬性可視為實(shí)體與屬性之間的一種名詞性關(guān)系，將屬性抽取問題視為關(guān)系抽取問題；對于半結(jié)構(gòu)化數(shù)據(jù)，可通過對結(jié)構(gòu)化部分自動(dòng)抽取生成語料，用于訓(xùn)練實(shí)體屬性標(biāo)注模型，然后將其應(yīng)用于非結(jié)構(gòu)化數(shù)據(jù)的實(shí)體屬性抽??；對于公開數(shù)據(jù)集、公開知識庫查詢不到的實(shí)體，須通過人工標(biāo)注數(shù)據(jù)作為訓(xùn)練集，采用數(shù)據(jù)挖掘的方法直接從數(shù)據(jù)源中挖掘?qū)嶓w屬性與屬性（值）之間的關(guān)系模式，依據(jù)實(shí)體屬性（值）附近都存在一些用于限制和界定該屬性（值）含義的關(guān)鍵詞，進(jìn)行屬性抽取。

2.2.4 實(shí)體消歧

實(shí)體消歧是解決因?qū)嶓w同名產(chǎn)生歧義問題的過程。在實(shí)際應(yīng)用中，經(jīng)常會(huì)遇到某個(gè)實(shí)體名稱在不同環(huán)境下對應(yīng)不同實(shí)體對象的問題。如“DDG 171”這個(gè)代號可以是日本“旗風(fēng)”級導(dǎo)彈驅(qū)逐艦“旗風(fēng)”號，也可以是我國052C 型導(dǎo)彈驅(qū)逐艦“海口”號。因此，必須通過實(shí)體消歧，建立實(shí)體、關(guān)系、屬性的準(zhǔn)確鏈接。

對于作戰(zhàn)目標(biāo)知識圖譜來說，不能采用百科知識模型和開源知識模型，須利用作戰(zhàn)目標(biāo)之間的關(guān)系將與之相關(guān)的指稱項(xiàng)鏈接起來構(gòu)成一個(gè)知識網(wǎng)絡(luò)。在每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)上加上目標(biāo)實(shí)體指稱項(xiàng)的上下文語義特征作為其屬性，利用網(wǎng)絡(luò)圖分析技術(shù)，計(jì)算該網(wǎng)絡(luò)中節(jié)點(diǎn)與指稱項(xiàng)之間的相似度，利用極大似然準(zhǔn)則實(shí)現(xiàn)實(shí)體消歧。

2.2.5 指代消解

指代消解是解決多個(gè)指稱項(xiàng)對應(yīng)于同一實(shí)體對象問題的過程。在實(shí)際作戰(zhàn)應(yīng)用中，一個(gè)目標(biāo)有艦/機(jī)名、舷/機(jī)號、呼號，在指揮系統(tǒng)中還有批號，這些指稱項(xiàng)往往指向同一個(gè)實(shí)體對象，必須利用指代消解技術(shù)將這些指稱項(xiàng)關(guān)聯(lián)合并到正確的對象上。

傳統(tǒng)基于句法分析的指代消解方法，通過建立搜索樹，僅適用于實(shí)體與不同指代出現(xiàn)在同一場景，具有較大局限性。作戰(zhàn)目標(biāo)知識圖譜的指代消解可采用統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法，將指代消解作為分類和聚類問題進(jìn)行求解，聚類法的基本思想是以實(shí)體指稱項(xiàng)為中心，通過實(shí)體聚類實(shí)現(xiàn)指稱項(xiàng)與實(shí)體對象的匹配，其關(guān)鍵問題是如何定義實(shí)體間的相似性測度。

3 作戰(zhàn)目標(biāo)知識圖譜應(yīng)用與展望

3.1 作戰(zhàn)目標(biāo)智能搜索

知識圖譜智能搜索包含2 類核心任務(wù)：一是利用相關(guān)性在知識庫中找到相應(yīng)的實(shí)體；二是在此基礎(chǔ)上根據(jù)實(shí)體的類別關(guān)系及相關(guān)性等信息找到關(guān)聯(lián)的實(shí)體[10]。

目前，知識圖譜智能搜索主要用于語義搜索[11-12]和知識問答[13]，在作戰(zhàn)或指揮信息系統(tǒng)中對智能搜索的需求主要是語義搜索，旨在解決現(xiàn)階段基于關(guān)鍵字的Web搜索或數(shù)據(jù)庫搜索中，因無法理解用戶需求而導(dǎo)致的搜索精準(zhǔn)度低、關(guān)聯(lián)查詢難的問題。

根據(jù)作戰(zhàn)系統(tǒng)或指揮信息系統(tǒng)對作戰(zhàn)目標(biāo)知識智能檢索的需求，可利用本體、屬性、關(guān)系3 種方式構(gòu)建檢索策略，即基于本體搜索的目標(biāo)檢索、基于屬性的目標(biāo)檢索、基于關(guān)聯(lián)關(guān)系的目標(biāo)檢索?；诒倔w搜索的目標(biāo)檢索是一種靈活有效的查詢方式，將本體描述中所有名稱和本體自身元數(shù)據(jù)中的文本內(nèi)容拼接成一個(gè)文本，進(jìn)而建立面向關(guān)鍵詞的搜索；基于屬性的目標(biāo)檢索是將關(guān)鍵詞索引的范圍從本體名稱擴(kuò)大到與其直接相關(guān)的屬性、類型等知識的技術(shù)，以便支持更加便捷的查詢。該技術(shù)在關(guān)鍵詞索引基礎(chǔ)上引入了實(shí)體屬性、類型等信息形成多個(gè)約束條件，可支撐方面搜索（Faceted Search）；基于關(guān)聯(lián)關(guān)系的目標(biāo)檢索是利用特定實(shí)體之間的關(guān)聯(lián)關(guān)系進(jìn)行實(shí)體檢索的技術(shù)。在知識圖譜技術(shù)中，圖結(jié)構(gòu)的RDF數(shù)據(jù)[14]特別適合實(shí)體間的關(guān)聯(lián)查詢，可通過廣度優(yōu)先遍歷搜索每個(gè)節(jié)點(diǎn)到初始節(jié)點(diǎn)的路徑挖掘節(jié)點(diǎn)間的隱形關(guān)聯(lián)，或通過圖相似模式挖掘其潛在關(guān)聯(lián)。

3.2 戰(zhàn)場態(tài)勢與作戰(zhàn)目標(biāo)可視化分析

知識圖譜可視化[15-16]是將知識庫中的信息以易于用戶理解的形式呈現(xiàn)的技術(shù)。在戰(zhàn)場態(tài)勢分析和作戰(zhàn)目標(biāo)研究等方面，通過基于知識圖譜的可視化分析界面，可實(shí)現(xiàn)目標(biāo)和態(tài)勢的多維度視覺展示和分析，尤其在作戰(zhàn)中對群目標(biāo)進(jìn)行分析時(shí)，既可以采用傳統(tǒng)模式將群目標(biāo)中的每個(gè)目標(biāo)信息進(jìn)行視覺表示和可視化分析，也可以利用知識圖譜優(yōu)勢，從時(shí)間、空間、頻譜、統(tǒng)計(jì)、關(guān)聯(lián)度等多個(gè)維度進(jìn)行表示，支持對作戰(zhàn)目標(biāo)和態(tài)勢進(jìn)行時(shí)序、分布、熱度、樹形、網(wǎng)絡(luò)的分析。

3.3 作戰(zhàn)關(guān)系分析與挖掘

作戰(zhàn)關(guān)系分析是以對戰(zhàn)場環(huán)境、敵我目標(biāo)的認(rèn)知為基礎(chǔ)，建立戰(zhàn)場數(shù)據(jù)、信息、知識之間的內(nèi)在聯(lián)系，是對戰(zhàn)場信息的深層次融合。基于知識圖譜的知識推理，是從實(shí)體關(guān)系、屬性等出發(fā)，通過建模、計(jì)算和分析，從現(xiàn)有知識中發(fā)現(xiàn)新的知識的過程。知識推理的對象不僅針對實(shí)體間的關(guān)系，也針對實(shí)體的屬性值、屬性類別等。知識推理的方法主要有2類：基于邏輯的推理和基于圖的推理[17-18]。

作戰(zhàn)目標(biāo)知識圖譜具有實(shí)體類別和數(shù)量多，實(shí)體關(guān)系復(fù)雜、多變，實(shí)體屬性多樣、信息繁雜等特點(diǎn)，非常適合基于圖的推理方法。

圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Networks，GNN）是當(dāng)前AI領(lǐng)域最熱門的研究方向，適用于圖結(jié)構(gòu)數(shù)據(jù)的深度學(xué)習(xí)架構(gòu)。GNN利用節(jié)點(diǎn)和關(guān)系對事物進(jìn)行描述，且節(jié)點(diǎn)和關(guān)系均帶有屬性。由于知識圖譜先天具有上述圖結(jié)構(gòu)特性，且擅長推理是GNN 的優(yōu)勢之一。因此，“知識圖譜+GNN”的技術(shù)組合，成為解決基于知識圖譜進(jìn)行關(guān)系分析和挖掘問題的新型手段。

文獻(xiàn)[19]研究表明，基于GNN方法可實(shí)現(xiàn)三元組鄰域復(fù)雜而隱含的模式信息的生成，可基于知識圖譜構(gòu)建實(shí)現(xiàn)實(shí)體關(guān)系的補(bǔ)全。該成果應(yīng)用在作戰(zhàn)目標(biāo)分析中，恰恰就是一個(gè)目標(biāo)關(guān)系推理的實(shí)現(xiàn)過程。因此，通過“知識圖譜+GNN”技術(shù)組合的應(yīng)用，不僅可以挖掘推理得出戰(zhàn)場目標(biāo)間的關(guān)系，而且還可實(shí)現(xiàn)目標(biāo)與戰(zhàn)場事件的關(guān)系。

3.4 作戰(zhàn)行為規(guī)律挖掘

目標(biāo)活動(dòng)規(guī)律體現(xiàn)目標(biāo)在時(shí)間、空間域上的關(guān)聯(lián)規(guī)律，包括基本關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果關(guān)聯(lián)等。目標(biāo)活動(dòng)規(guī)律除目標(biāo)自身的活動(dòng)規(guī)律之外，不僅有目標(biāo)與目標(biāo)（或事件）之間的活動(dòng)規(guī)律，如一個(gè)目標(biāo)的出現(xiàn)經(jīng)常伴隨著另外一個(gè)目標(biāo)的出現(xiàn)；而且還有目標(biāo)在時(shí)序上的不同狀態(tài)以及不同狀態(tài)下的屬性特征，如作戰(zhàn)目標(biāo)在執(zhí)行任務(wù)不同階段的編隊(duì)特征、電子設(shè)備開關(guān)機(jī)規(guī)律和航行參數(shù)等。

目標(biāo)活動(dòng)規(guī)律挖掘過程如圖3所示。

圖3 目標(biāo)活動(dòng)規(guī)律挖掘示意圖Fig.3 Diagram of mining of the target’s activity law in battlefield

利用作戰(zhàn)目標(biāo)知識圖譜對目標(biāo)實(shí)體語義特征提取，進(jìn)行目標(biāo)活動(dòng)規(guī)律挖掘，可以著力研究以下幾個(gè)方面.

1）目標(biāo)綜合識別與規(guī)律分析。根據(jù)目標(biāo)相關(guān)特征數(shù)據(jù)，進(jìn)行目標(biāo)識別，并統(tǒng)計(jì)目標(biāo)各類武器、傳感器活動(dòng)規(guī)律統(tǒng)計(jì)，形成目標(biāo)載荷開關(guān)機(jī)規(guī)律及其載荷間的作戰(zhàn)協(xié)同規(guī)律。

2）目標(biāo)分布規(guī)律分析。根據(jù)目標(biāo)航跡數(shù)據(jù)，對戰(zhàn)場目標(biāo)歷史航跡進(jìn)行統(tǒng)計(jì)分析，從時(shí)間、空間2個(gè)維度形成熱力圖，獲取目標(biāo)分布規(guī)律。分析目標(biāo)分布規(guī)律，獲取目標(biāo)穩(wěn)定航線、活躍陣位以及后續(xù)動(dòng)向等信息。基于戰(zhàn)場空間熱力圖結(jié)合目標(biāo)作戰(zhàn)能力知識，獲取戰(zhàn)場火力分布情況。

3）目標(biāo)編組模型分析。在執(zhí)行特定作戰(zhàn)任務(wù)時(shí)，目標(biāo)編配、武器傳感器編配甚至目標(biāo)運(yùn)動(dòng)狀態(tài)均存在一定規(guī)律。如航母在執(zhí)行艦載機(jī)作業(yè)時(shí)，對海雷達(dá)、對空雷達(dá)、預(yù)警機(jī)、作戰(zhàn)飛機(jī)、母艦航向航速等知識在時(shí)間、任務(wù)維度均具有一定編組規(guī)律。因此，通過目標(biāo)知識的編組模型可獲取隱藏在這些目標(biāo)、關(guān)系、狀態(tài)等信息中的“真相”。

4）目標(biāo)活動(dòng)模型分析。根據(jù)對執(zhí)行特定作戰(zhàn)任務(wù)的目標(biāo)時(shí)空序列、作戰(zhàn)目標(biāo)性能進(jìn)行關(guān)聯(lián)研究，分析目標(biāo)保障周期、典型作戰(zhàn)任務(wù)周期等作戰(zhàn)目標(biāo)知識，并結(jié)合戰(zhàn)場目標(biāo)態(tài)勢、電磁態(tài)勢等知識，判斷作戰(zhàn)目標(biāo)工作狀態(tài)和所處任務(wù)階段。

3.5 作戰(zhàn)指揮中的智能輔助決策

利用知識圖譜技術(shù)，可以有效地將海量的戰(zhàn)場信息和數(shù)據(jù)利用起來，輔助情報(bào)分析人員、作戰(zhàn)指揮員進(jìn)行戰(zhàn)場態(tài)勢的理解，為指揮決策提供更加準(zhǔn)確、高效、可靠的信息依據(jù)。

例如，利用知識圖譜技術(shù)可以基于事件驅(qū)動(dòng)傳導(dǎo)路徑的方式進(jìn)行知識發(fā)現(xiàn)，從而發(fā)現(xiàn)事件與事件、事件與目標(biāo)之間的邏輯關(guān)系、統(tǒng)計(jì)學(xué)關(guān)系，挖掘出實(shí)現(xiàn)傳統(tǒng)戰(zhàn)場信息保障中隱藏的目標(biāo)知識。在作戰(zhàn)輔助決策過程中，往往需要根據(jù)當(dāng)前戰(zhàn)場態(tài)勢進(jìn)行推演，利用事件的因果關(guān)系，預(yù)測不同作戰(zhàn)行動(dòng)后戰(zhàn)場形式的發(fā)展趨勢，梳理作戰(zhàn)目標(biāo)、行動(dòng)過程，從而準(zhǔn)確把握作戰(zhàn)行動(dòng)的走向，以便提前預(yù)案和應(yīng)對。

3.6 作戰(zhàn)意圖識別和態(tài)勢預(yù)測

利用知識圖譜開展作戰(zhàn)意圖識別和態(tài)勢預(yù)測，是通過構(gòu)建一個(gè)戰(zhàn)場動(dòng)態(tài)序列知識體系，對目標(biāo)相關(guān)屬性、類型、狀態(tài)、行為模式和戰(zhàn)場環(huán)境等若干態(tài)勢要素進(jìn)行分析，從而發(fā)現(xiàn)其內(nèi)部或之間的相互關(guān)系，用于對戰(zhàn)場態(tài)勢發(fā)展趨勢進(jìn)行預(yù)判識別的過程。

貝葉斯理論是以隨機(jī)事件之間的邏輯關(guān)聯(lián)關(guān)系及關(guān)聯(lián)關(guān)系的先驗(yàn)概率分布參數(shù)為背景知識，在明確部分隨機(jī)事件狀態(tài)的前提下，計(jì)算與之相關(guān)的隨機(jī)事件狀態(tài)概率的過程?；谧鲬?zhàn)目標(biāo)知識圖譜和貝葉斯網(wǎng)絡(luò)模型的作戰(zhàn)意圖識別和態(tài)勢預(yù)測流程如圖4所示。

圖4 作戰(zhàn)意圖識別與態(tài)勢預(yù)測流程Fig.4 Flow chart of combat intention recognition and situation prediction

圖4 中，貝葉斯網(wǎng)絡(luò)的邏輯片斷通常由先驗(yàn)信息組成若干推理規(guī)則集合，主要包括3類。

1）基本關(guān)系邏輯推理，是通過建立事件、目標(biāo)的靜態(tài)關(guān)系，用于描述戰(zhàn)場目標(biāo)、事件之間的相互邏輯關(guān)系。

2）概率遷移邏輯推理，是通過統(tǒng)計(jì)事件之間的概率轉(zhuǎn)移關(guān)系，從而發(fā)現(xiàn)事態(tài)發(fā)展的可能性，用于描述戰(zhàn)場目標(biāo)、事件之間的概率遷移關(guān)系。

3）序列關(guān)系邏輯推理，是通過統(tǒng)計(jì)和分析作戰(zhàn)目標(biāo)的行為序列關(guān)系，從而發(fā)現(xiàn)其時(shí)序關(guān)系或因果關(guān)系，用于描述戰(zhàn)場目標(biāo)、事件之間時(shí)序和根事件狀態(tài)空間的對應(yīng)關(guān)系。作戰(zhàn)目標(biāo)的行為序列通常指其在遂行特定戰(zhàn)術(shù)任務(wù)時(shí)，依據(jù)作戰(zhàn)目標(biāo)的特點(diǎn)、性能、對象，乃至作戰(zhàn)手冊、條令等要求執(zhí)行的一系列特定的動(dòng)作序列。

4 作戰(zhàn)目標(biāo)知識圖譜面臨的挑戰(zhàn)

4.1 作戰(zhàn)目標(biāo)保障對時(shí)效性的要求

現(xiàn)代戰(zhàn)爭瞬息萬變，各類傳感器和指揮系統(tǒng)、情報(bào)系統(tǒng)產(chǎn)生的戰(zhàn)場態(tài)勢和目標(biāo)數(shù)據(jù)量巨大、數(shù)據(jù)流轉(zhuǎn)快，對作戰(zhàn)目標(biāo)保障的時(shí)效性帶來巨大考驗(yàn)。為解決作戰(zhàn)目標(biāo)知識圖譜應(yīng)用的時(shí)效性問題，須在以下2 個(gè)方面進(jìn)行突破。

1）大規(guī)模存儲(chǔ)計(jì)算一體化技術(shù)。隨著實(shí)時(shí)作戰(zhàn)數(shù)據(jù)的引入，作戰(zhàn)目標(biāo)知識圖譜將快速增加，給數(shù)據(jù)存儲(chǔ)、計(jì)算帶來巨大挑戰(zhàn)。存儲(chǔ)計(jì)算一體化將大幅減少數(shù)據(jù)流轉(zhuǎn)，提高計(jì)算效能，被認(rèn)為是下一代AI 系統(tǒng)的“入場券”。

2）片上應(yīng)用技術(shù)。為解決基于作戰(zhàn)目標(biāo)知識圖譜的人工智能技術(shù)在傳感器、兵器等末端的應(yīng)用問題，從而減少數(shù)據(jù)流轉(zhuǎn)環(huán)節(jié)對時(shí)效性的影響，必須通過相關(guān)技術(shù)在片上系統(tǒng)應(yīng)用，突破計(jì)算機(jī)集群的束縛。

4.2 知識質(zhì)量與數(shù)量之間的矛盾

在作戰(zhàn)目標(biāo)知識圖譜的應(yīng)用中，只有準(zhǔn)確、全面的高質(zhì)量作戰(zhàn)目標(biāo)知識才能成為作戰(zhàn)目標(biāo)信息服務(wù)保障和輔助決策的有效支撐，而通過各種手段獲取作戰(zhàn)目標(biāo)知識的質(zhì)量不盡相同，甚至?xí)霈F(xiàn)一些低質(zhì)量知識。此外，知識規(guī)模將隨著這些知識的不斷積累而增長，對知識管理、存儲(chǔ)及應(yīng)用帶來巨大挑戰(zhàn)。同時(shí)，大量低質(zhì)量數(shù)據(jù)也會(huì)涌入知識系統(tǒng)。如何將海量知識快速有效地形成目標(biāo)信息，同時(shí)避免低質(zhì)量知識對目標(biāo)信息的干擾，這是解決大規(guī)模作戰(zhàn)目標(biāo)知識圖譜應(yīng)用的關(guān)鍵所在。

因此，在作戰(zhàn)目標(biāo)構(gòu)建知識圖譜應(yīng)用體系中，一方面可利用分布式存儲(chǔ)、并行計(jì)算技術(shù)為超大規(guī)模知識圖譜解決存儲(chǔ)、算力等問題；另一方面，應(yīng)建立知識質(zhì)量評價(jià)體系，盡可能降低知識系統(tǒng)中的低質(zhì)量知識的比例；此外，在知識應(yīng)用過程中加強(qiáng)數(shù)據(jù)融合，將各類目標(biāo)信息進(jìn)行綜合、過濾、合并，降低低質(zhì)量數(shù)據(jù)的干擾。

5 結(jié)束語

本文從作戰(zhàn)目標(biāo)服務(wù)保障中知識圖譜技術(shù)的應(yīng)用需求出發(fā)，提出了作戰(zhàn)目標(biāo)知識圖譜應(yīng)用架構(gòu)和具體步驟，給出了典型應(yīng)用。盡管在軍事領(lǐng)域，作戰(zhàn)目標(biāo)知識圖譜具有廣泛的應(yīng)用前景，但目前的作戰(zhàn)目標(biāo)知識圖譜的技術(shù)儲(chǔ)備和應(yīng)用基礎(chǔ)還比較薄弱，尤其是基于該技術(shù)的目標(biāo)關(guān)系、規(guī)律挖掘等還有待提高，這是下一步深入研究的方向之一。