李國志，涂振洲

（1.四川省青年科技創(chuàng)新與社會實踐促進會，四川 成都 610031；2.成都信息工程大學，四川 成都 610225）

0 引言

信息技術的飛速發(fā)展推進人類社會進入數(shù)字網(wǎng)絡時代，從以靜態(tài)、單向閱讀為主Web1.0跨越到以分享為特征的實時網(wǎng)絡Web2.0，再進入基于人工智能的Web3.0，信息化全面改善了人們的生活及生產(chǎn)環(huán)境，也帶來了更加激烈的社會競爭。不斷增多的數(shù)據(jù)信息給傳統(tǒng)數(shù)據(jù)管理及處理方法構成了極大挑戰(zhàn)，為充分獲得有效數(shù)據(jù)信息，更好地規(guī)避市場經(jīng)濟風險，電子元器件企業(yè)必須努力尋找新的管理方式。知識圖譜以先進的信息技術及設備為依托，可清晰顯示與企業(yè)相關的多維關系，可為企業(yè)提供強大的風險識別參照，有助于促進電子元器件企業(yè)的健康、持續(xù)發(fā)展。

1 知識圖譜的概念及構建方式

1.1 基本概念

知識圖譜是顯示特定領域內(nèi)的知識發(fā)展進程和與之相關的結構關系的一系列圖形，它以可視化技術來描述知識資源及其載體，運用數(shù)據(jù)挖掘、機器學習、圖數(shù)據(jù)庫、圖形繪制、關聯(lián)計算等手段，充分顯示各類知識之間的邏輯關系。知識圖譜以圖為載體，點代表“實體”，邊代表“關系”，結合特定行業(yè)數(shù)據(jù)和領域知識，可得到某一領域內(nèi)的知識圖譜（詳見圖1）。企業(yè)風險知識圖譜是基于企業(yè)發(fā)展環(huán)境中的各類相關要素分析而形成的系列圖譜，可為企業(yè)提供詳細的關系信息，指導企業(yè)安全運營。[1]比如，制造企業(yè)+生產(chǎn)數(shù)據(jù)+銷量信息=＞（構建）以市場為核心(商業(yè)為關系)的知識圖譜。通過這一知識圖譜企業(yè)可以了解到自己的經(jīng)營發(fā)展現(xiàn)狀，可以對存在的競爭風險予以分析和提前防控。

圖1 知識圖譜示意圖

1.2 構建方式

知識圖譜主要有從上而下（Top-Down）和由下而上（Bottom-Up）的兩種構建方式。自上向下的構建方式著重為知識圖譜提供本體及數(shù)據(jù)模型定義，此種構建方式通常用于構建某一領域內(nèi)的知識圖譜。對于本體的定義，一般從全局層面來思考，先形成一個總體概念，隨后再對這個概念進行內(nèi)容上的充實和細化，以形成一個飽滿的結構體系；當數(shù)據(jù)模型成型后，則需要為每個模型實體逐個添加對應的概念，通常情況下自上而下的構建方式需要以充足的結構化數(shù)據(jù)源為關鍵支撐。由下而上的構建形式與之正好相反，其從對實體的歸納組織入手，先產(chǎn)生基礎概念和數(shù)據(jù)模型，然后向上逐層發(fā)展最終構成一個完整的上層概念。

2 企業(yè)風險知識圖譜的構建

本文主要采用了自上而下的知識圖譜構建方式，以維基百科為結構數(shù)據(jù)源，將電子元器件企業(yè)的風險知識圖譜劃分成本體構建、知識融合、知識抽取、知識儲存四個主要內(nèi)容（如圖2所示）

圖2 企業(yè)風險知識圖譜的構建流程

2.1 企業(yè)本體的構建

企業(yè)本體構建的主要內(nèi)容包括：領域核心概念構建、分層概念構建、定義類和屬性創(chuàng)建、企業(yè)本體需求性分析、本體評價和演化、可復用本體考察幾個重要部分。[2]可以通過復用現(xiàn)有的知識本體，實現(xiàn)自動化構建企業(yè)本體。當前較為常見的構建方法諸如七步法、Skeletal法、TOVE法等，通過運用這些方法可全面分析電子元器件行業(yè)內(nèi)的相關知識信息，可對企業(yè)當前的結構化數(shù)據(jù)集予以細致、深度分析，能夠準確找到知識概念與企業(yè)風險屬性之間的語義關聯(lián)，從而構建出科學的企業(yè)本體的RDF圖（如圖3所示）。

圖3 企業(yè)本體的RDF 圖

2.2 企業(yè)知識抽取

企業(yè)知識抽取主要是對不同的數(shù)據(jù)源及數(shù)據(jù)結構信息進行抽取，包括結構化數(shù)據(jù)、非結構及半結構數(shù)據(jù)，根據(jù)抽取的信息來命名實體識別。一般而言知識抽取一般分為網(wǎng)頁信息解析、命名實體識別、實體關系抽取幾個關鍵步驟，對抽取的信息進行技術處理，以此獲得構建知識圖譜的實體三元組。網(wǎng)頁解析以“天眼查”為依托，對電子元器件企業(yè)的股權結構、資本信息、組織架構、企業(yè)性質(zhì)、經(jīng)營狀態(tài)、存續(xù)現(xiàn)狀、債務及法律糾紛等信息進行分析。命名實體識別，是對某一句子中有具有特定意義的實體的辨識，明確區(qū)分和標識出實體屬性，如人名、地名、專業(yè)名詞等，我們可以依托自定義詞典來提高命名實體準確性，在分詞序列前提下，我們將電子元器件領域的專業(yè)詞匯及特殊規(guī)則添加到詞典中，以便于準確界定未登錄詞。[3]實體關系抽取是對電子元器件企業(yè)內(nèi)外部關系信息的抽取判定，包括企業(yè)運營模式、營銷手段、財務狀況、產(chǎn)品類型、已知或未知競爭對手、商業(yè)環(huán)境、政策內(nèi)容等。通過信息分析發(fā)現(xiàn)企業(yè)風險因子。

2.3 企業(yè)知識融合

企業(yè)知識融合針對異構數(shù)據(jù)實施實體對齊、實體匹配等操作，有效處理數(shù)據(jù)之間的沖突關系。同時在機器深度學習的幫助下不斷完善現(xiàn)有知識內(nèi)容，以便為企業(yè)的戰(zhàn)略決策提供充足的數(shù)據(jù)支撐，尤其是應對市場風險方面發(fā)揮出較好作用[4]。依托海量存儲的三元組數(shù)據(jù)，以大數(shù)據(jù)、人工智能技術為支撐，可實現(xiàn)企業(yè)風險知識圖譜的智能化回答。

2.4 知識存儲

知識圖譜構建中的另一個重要環(huán)節(jié)便是知識存儲，知識存儲中包括不同類型的海量數(shù)據(jù)資源，數(shù)據(jù)信息越大、越精準，為企業(yè)提供的決策支持就越強，對規(guī)避投融資風險和生產(chǎn)運營風險就越有用。目前圖數(shù)據(jù)信息存儲已經(jīng)成為了企業(yè)知識圖譜構成的主要存儲形式，電子元器件企業(yè)應努力構建以“圖數(shù)據(jù)結構”為主的知識圖譜，從而提升數(shù)據(jù)保存、查詢使用的便利性[5]。

3 結論

知識圖譜一經(jīng)問世，便受到世界學術界和產(chǎn)業(yè)界的普遍關注，如今，在發(fā)達國家，知識圖譜已經(jīng)被廣泛應用到了各類企業(yè)實際中。但我國國內(nèi)關于企業(yè)知識圖譜的研究尚處于起步階段，有效運用的企業(yè)仍為少數(shù)。本文以電子元器件企業(yè)為研究對象，對其企業(yè)風險知識圖譜構建流程予以分析，希望有助于促進知識圖譜的推廣利用，有利于幫助電子元器件企業(yè)降低風險損失。