林艷婷，劉佳，李紅陽，蔣梓涵 （南京工程學院，江蘇 南京 211167）

Tim Berners Lee在1998提出Semantic Web，他提出了能夠構(gòu)建全球化“鏈接”為中心的信息系統(tǒng)，任何人都能夠?qū)⒆约何臋n采用添加鏈接方法鏈入其中。認為鏈接作為中心與圖組織方式，相較樹層次化組織方式，對于互聯(lián)網(wǎng)開放系統(tǒng)更為適合，該方法逐漸被人發(fā)現(xiàn)并演化為World Wide Web。之后出現(xiàn)大批新興語義庫，譬如True Knowledge、Wolfram Alpha、Schema.ORG。自此之后知識圖譜也逐漸發(fā)揮應(yīng)用于語義搜索、智能回答、輔助理解、輔助大數(shù)據(jù)分析、輔助圖像分類等領(lǐng)域的功能作用。

知識圖譜構(gòu)建圖

1 施工場景知識圖譜構(gòu)建

知識圖譜構(gòu)建技術(shù)（見下圖），包括了知識獲取、知識融合、知識計算應(yīng)用三大部分。

1.1 知識抽取

知識抽取可以根據(jù)具體任務(wù)，劃分為概念抽取、實體識別、關(guān)系抽取、事件抽取與規(guī)則抽取，在傳統(tǒng)專家系統(tǒng)時代背景下，知識更多依靠手工錄入規(guī)模有限?，F(xiàn)代知識圖譜構(gòu)建，一般依靠現(xiàn)有結(jié)構(gòu)化數(shù)據(jù)資源，可以成功轉(zhuǎn)化為基礎(chǔ)數(shù)據(jù)集，并完成自動化抽取和補全知識圖譜等技術(shù)，實現(xiàn)對圖譜數(shù)據(jù)資源的充分擴展。

1.2 知識融合

對知識圖譜構(gòu)建過程中，可以根據(jù)第三方知識庫產(chǎn)品和結(jié)構(gòu)化數(shù)據(jù)，成功獲取知識輸入，譬如與開放數(shù)據(jù)項目相關(guān)聯(lián)，可以定期發(fā)布整理積累的語義知識數(shù)據(jù)，還有DBpedia、Yago等通用知識庫，能夠面向特定知識庫產(chǎn)品。對于多知識圖譜通合中，可以實現(xiàn)模式層、數(shù)據(jù)層相融合，這樣可以有效避免出現(xiàn)實例、關(guān)系沖突引發(fā)的冗余問題。

1.3 知識圖譜補全

一般以基于本體推理補全法、邏輯描述推理法應(yīng)用較多，知識圖譜的補全推理有RDFox、RACER、TrOWL、HermiT等，該類推理對于TBox概念層推理，能夠達到實體級關(guān)系補全效果。另類知識補全算法能夠基于圖結(jié)構(gòu)、關(guān)系路徑多種方法，完成實體節(jié)點的路徑計算，并提取周圍節(jié)點結(jié)構(gòu)特點，隨機游走有效降低特征抽取復雜度。

1.4 知識檢索及知識分析

基于知識圖譜的知識檢索，能夠通過語義檢索、智能回答兩種形式，一般經(jīng)網(wǎng)頁超鏈接，能夠搜索網(wǎng)頁，語義搜索則可以直接搜索相關(guān)事物，譬如機構(gòu)、人物、地點等。這些事物可能源于圖片、視頻、文本、LoT設(shè)備等多類信息資源。知識圖譜及語義技術(shù)，又提供了事物屬性、分類及關(guān)系描述，能夠更直接地完成檢索。

2 建筑施工場景信息知識圖譜構(gòu)建

2.1 理論知識子系統(tǒng)

建筑施工場景研究中在BIM技術(shù)下，IPD模式要求項目參與主體協(xié)同效應(yīng)，達到內(nèi)部集成管理。系統(tǒng)論作為系統(tǒng)、環(huán)境、要素之間的規(guī)律相關(guān)性，建筑施工場景識別模型，有通過工具、工序、流程、項目至整個領(lǐng)域場景、要素、系統(tǒng)，達到信息共享、轉(zhuǎn)換、傳輸、提取及互操作性?；诖私⒔ㄖ┕鼍白R別的知識框架（見下表）。

建筑施工場景識別的知識框架

2.2 空間場景語義提取

通過對不同對象區(qū)域定位，運用MBR近似估算該區(qū)域，獲得一系列矩形，且對應(yīng)矩形有閉合曲線，形成的空間場景內(nèi)的不同方位關(guān)系，可以建立場景方向關(guān)系矩陣，從而直觀可示上下左右共計8個方位所處的空間位置關(guān)系，以及鄰近對象及交疊關(guān)系。經(jīng)組合區(qū)域模板，劃分場景圖像為固定大小的幾個模塊，之后分別劃分場景語義類別，并根據(jù)組合關(guān)系對畫像的場景語義類別。

2.3 施工場景數(shù)據(jù)處理

根據(jù)人工智能視角對不同的場景數(shù)據(jù)維度進行提取，包括時間、位置區(qū)域、個體行為、不安全動作、行為痕跡、行為性質(zhì)、風險等級等。在知識圖譜計算應(yīng)用可以經(jīng)本體及規(guī)則推理技術(shù)，獲取施工場景圖像內(nèi)的隱含知識，進而對實體內(nèi)涵關(guān)系準確預(yù)測，獲得彼此關(guān)聯(lián)的知識路徑，經(jīng)不一致檢測能夠發(fā)現(xiàn)施工場景圖像數(shù)據(jù)。以施工場景對象及施工狀態(tài)作為兩個描述維度，自動化采集數(shù)據(jù)分析施工場景圖像語義信息，在多維度編碼處理后基于行業(yè)數(shù)據(jù)庫基礎(chǔ)上，形成了多維度施工場景數(shù)據(jù)。

2.4 空間施工場景語義融合層

在空間場景語義融合層，第一部分SPO三元組抽取，對不同種類的數(shù)據(jù)用不同的技術(shù)提取從結(jié)構(gòu)化數(shù)據(jù)庫中獲取知識：D2R；從鏈接數(shù)據(jù)中獲取知識：圖映射；從半結(jié)構(gòu)化（網(wǎng)站）數(shù)據(jù)中獲取知識：使用包裝器；從文本中獲取知識：信息抽取。第二部分融合中，將不同施工場景語義信息數(shù)據(jù)源獲取的知識進行融合構(gòu)建數(shù)據(jù)之間的關(guān)聯(lián)。包括實體對齊、屬性對齊、沖突消解、規(guī)范化等，這一部分很多都是dirty work，更多的是做一個數(shù)據(jù)的映射、實體的匹配，可能還會涉及的是本體的構(gòu)建和融合。最后融合而成的知識庫存入上一部分提到的數(shù)據(jù)庫中。第三部分進行驗證，分為補全、糾錯、外鏈、更新各部分，確保施工場景知識圖譜的一致性和準確性。一個典型問題是，知識圖譜的構(gòu)建不是一個靜態(tài)的過程，當引入新知識時，需要判斷新知識是否正確，與已有知識是否一致。最后采用有效的存儲模式支持對大規(guī)模圖數(shù)據(jù)的有效管理，實現(xiàn)對施工場景知識圖譜中知識高效查詢。

3 結(jié)語

綜上所述，通過研究為人工智能在建筑管理中的應(yīng)用提供知識層面的底層支撐，促進機器視覺應(yīng)用于施工進度實時檢測的發(fā)展，可以讓進度管理人員直觀地看到項目施工進度，實時、科學地進行動態(tài)管理和優(yōu)化控制，提高現(xiàn)場管理效率。同時也可以通過所識別到的施工進度分析工作效率，從而提高工作效率，保證項目按期、保質(zhì)竣工。