楊波，趙英俊

（核工業(yè)北京地質(zhì)研究院 遙感信息與圖像分析技術(shù)國家級重點(diǎn)實(shí)驗室，北京 100029）

知識是智能的基礎(chǔ)，人類智能往往依賴有意或無意地運(yùn)用已知的知識［1］。以此類推，社會的發(fā)展無法離開人工智能的推動作用，有需求就會促進(jìn)知識圖譜的發(fā)展［2］。這里有兩個核心問題：如何建模眾源知識？如何在計算機(jī)中高效地存儲與收集眾源數(shù)據(jù)？本研究主要關(guān)注前者。

眾源數(shù)據(jù)的鈾資源知識表示即使用何種工具和方法對感興趣領(lǐng)域進(jìn)行知識建模，以便達(dá)到眾源數(shù)據(jù)的知識為我所有［3-5］。在數(shù)據(jù)網(wǎng)絡(luò)圖譜方面，知識圖譜是一種新型的互聯(lián)網(wǎng)絡(luò)，即一種運(yùn)用關(guān)聯(lián)節(jié)點(diǎn)和弧來代替知識的模型［6］。在將社會網(wǎng)絡(luò)抽象化為語義網(wǎng)絡(luò)的過程中，出現(xiàn)了網(wǎng)絡(luò)聚集的現(xiàn)象，所以，需要定義一些基本的網(wǎng)絡(luò)基礎(chǔ)單元，如，本體、屬性和案例。同時，這些基本單元之間也有相關(guān)關(guān)系，在語義網(wǎng)絡(luò)中用邊的屬性表示基本單元的聯(lián)系和紐帶，這些邊的屬性是語義網(wǎng)絡(luò)中的核心［7-8］。為了給這些關(guān)聯(lián)設(shè)定步驟，前人學(xué)者設(shè)計了系列學(xué)術(shù)術(shù)語，并進(jìn)一步提出了表達(dá)邏輯，他是一種對語言處理簡化的規(guī)則，推理復(fù)雜度在置信區(qū)間內(nèi)［9-12］。萬維網(wǎng)標(biāo)準(zhǔn)委員會（World Wide Web Consortium，W3C）推出了以表達(dá)規(guī)范為基礎(chǔ)原則的本體規(guī)則Web 本體語言（Ontology Web Language，OWL）并宣布為網(wǎng)絡(luò)術(shù)語的官方語言。W3C 還推出了除上之外一種用于搭載Web 本體的規(guī)則資源描述框架（Resource Description Framework，RDF）。目前，利用向量來刻畫知識圖譜成為主流，其基本設(shè)定是將眾源數(shù)據(jù)定義為一個具有初始節(jié)點(diǎn)、連接屬性和結(jié)尾節(jié)點(diǎn)的知識建模方法。本文將詳細(xì)闡述對眾源數(shù)據(jù)的知識場景構(gòu)建方法，進(jìn)而探討如何基于該方法對鈾礦能源場景有效建模。

1 知識表示簡介

20世紀(jì)90年代，麻省理工人工智能實(shí)驗室的羅伯特·戴維斯定義了知識表示的幾個用途和特點(diǎn)［13-15］：

1）現(xiàn)實(shí)世界的符號化，即眾源數(shù)據(jù)應(yīng)該要按照既定的規(guī)則和語言規(guī)范進(jìn)行機(jī)器編碼。

2）虛擬本體庫，即眾源數(shù)據(jù)要提前收集和挖掘相關(guān)的知識庫和標(biāo)準(zhǔn)目錄。

3）人機(jī)交互的媒介，即除了相關(guān)的語法規(guī)范，還需要對其進(jìn)行標(biāo)準(zhǔn)化和數(shù)據(jù)模型的構(gòu)建和應(yīng)用場景的擴(kuò)展。

簡而言之，與傳統(tǒng)人工智能比較，大數(shù)據(jù)時代的眾源數(shù)據(jù)研究領(lǐng)域已經(jīng)發(fā)生了翻天覆地的變革。

2 鈾資源知識建模方法

2.1 核電弧邊屬性法

弧邊屬性是公理領(lǐng)域的權(quán)威規(guī)范邏輯，在屬性邏輯里，可以用謂詞和變量表示知識，設(shè)定，用（x）表示是中國核電站。這里，中國核電站是一元謂詞，x 是變量，中國核電站是（x）的一個原子公式?！?中國核電站是（x）”是一個否定公式。在上面的例子中，若x 為某核電站，中國核電站是（x）為第一個命題p。若x 為某核電站，中國核電站是（x）為第二個命題q。

2.2 核能網(wǎng)絡(luò)節(jié)點(diǎn)法

語義網(wǎng)絡(luò)這個概念由奎利恩等人提出用于闡釋人類語義數(shù)據(jù)同時也可以進(jìn)行推理［16-17］。語義網(wǎng)絡(luò)類似于互聯(lián)網(wǎng)，可以用各種形式進(jìn)行表示，其具體的可視化展示類似帶有屬性的流程圖。這些流程圖中的各類“關(guān)節(jié)點(diǎn)”用以標(biāo)識各種事實(shí)、概念、事件等。這些圖中的關(guān)鍵點(diǎn)都至少帶有一個屬性，兩個關(guān)鍵點(diǎn)之間，如果存在關(guān)聯(lián)就用一個帶有方向的鏈接聯(lián)系起來，這些關(guān)聯(lián)可以代表屬性。表示眾源數(shù)據(jù)的單元是三元組：關(guān)鍵點(diǎn)1，聯(lián)想弧，關(guān)鍵點(diǎn)2，例如“某核電站，屬于，某國家”“某核電站反應(yīng)堆，類型，壓水堆”是三元組。因為語義網(wǎng)絡(luò)的節(jié)點(diǎn)是使用關(guān)聯(lián)弧進(jìn)行耦合，所以可以通過節(jié)點(diǎn)間的操作進(jìn)行知識推理。

1）語義網(wǎng)絡(luò)的優(yōu)點(diǎn)

衍生性：語義網(wǎng)絡(luò)是由人類生物群體的社會性特征衍生而來。

易用性：語義能夠便利地把主客觀時間運(yùn)用節(jié)點(diǎn)和屬性闡述清楚，因此，客觀社會和語義網(wǎng)絡(luò)很便捷地實(shí)現(xiàn)了符號化轉(zhuǎn)換，所以，語義網(wǎng)絡(luò)規(guī)則在人機(jī)交互的產(chǎn)品領(lǐng)域運(yùn)用的最合適。

結(jié)構(gòu)性：語義網(wǎng)絡(luò)的特征是模塊化的數(shù)據(jù)描述策略，這種方法對小模塊，特別是鈾資源領(lǐng)域的應(yīng)用，效果非常好?？梢园芽陀^世界的眾源數(shù)據(jù)利用節(jié)點(diǎn)間的關(guān)系進(jìn)行顯示。

2）語義網(wǎng)絡(luò)的缺點(diǎn)

紛繁復(fù)雜的語言規(guī)則：利用語義網(wǎng)絡(luò)來表示眾源數(shù)據(jù)的鈾資源圖譜模型非常的靈活，而且用一種方法和另一種方法進(jìn)行圖譜建模差別較大，與此同時，由于不同的建模規(guī)則和方法，給后期的數(shù)據(jù)融合與知識推理增加了業(yè)務(wù)負(fù)擔(dān)。例如，“全球在建的核電機(jī)組65 個”可以表示為多種不同的語義網(wǎng)絡(luò)（圖1）。由圖1 可見，CN 是一個綜合接單，指的是對一個領(lǐng)域的綜合統(tǒng)稱，像核電站一樣。c是實(shí)體節(jié)點(diǎn)，他將描述CN 的一個確數(shù)，而g 是一個全稱變量，是全球這個概念的一個個體，b 和nps 都是存在變量，其中b 是在建這個概念的一個個體，nps 是核電站這個概念的一個個體，F(xiàn)指c覆蓋的范圍及案例，而?代表全稱量詞。核電作為鈾資源的應(yīng)用場景之一，可以把“全球建成442 座核電站”表示成：所有全球的s1都有屬于建成442 座核電站這個概念的元素（圖1）。

圖1 眾源數(shù)據(jù)組織的語義網(wǎng)絡(luò)Fig.1 Semantic network of crowdsourcing data utilization

紛繁復(fù)雜的歧義：該方法與上一個方法比較，缺點(diǎn)是無認(rèn)可的語言規(guī)則。在每一個專業(yè)領(lǐng)域，都有其特定的語義網(wǎng)絡(luò)。并且，本文對眾源數(shù)據(jù)進(jìn)行知識推理的過程中，研究發(fā)現(xiàn)在多級推理后，該網(wǎng)絡(luò)的準(zhǔn)確性與推理層級成負(fù)相關(guān)關(guān)系。與此同時，本文所使用的量詞和其他領(lǐng)域出現(xiàn)的量詞無法統(tǒng)一，容易造成語義歧義。

2.3 鈾事件框架法

框架（Frame）最早由馬文明斯基在1957 年提出，作用是為了將計算機(jī)領(lǐng)域的自然語言處理更好的流程化［18-19］。該框架的核心內(nèi)容是，表示人類社會的發(fā)展與進(jìn)步是基于一種循環(huán)式前進(jìn)，螺旋式上升的過程，當(dāng)人類在生產(chǎn)與生活中遇到困難時，就會利用原有的社會經(jīng)驗積累，從以往的經(jīng)歷中挖掘可用的知識儲備加以應(yīng)用，這個過程需要對眾源數(shù)據(jù)進(jìn)行收集、加工、改進(jìn)并利用到新的困難中，最后就會形成標(biāo)準(zhǔn)的流程解決思路，從而促進(jìn)社會的進(jìn)步。

基于鈾事件框架的提出是為了解決鈾語義網(wǎng)絡(luò)中出現(xiàn)的紛繁復(fù)雜的問題，將原有的復(fù)雜邏輯描述成具有特點(diǎn)對象的知識結(jié)構(gòu)。其基本原則是，規(guī)定類是其框架的原始單元。其中，類也有自己的元數(shù)據(jù)，元數(shù)據(jù)本身具有初始屬性值。槽是用來刻畫框架的屬性信息，其中，槽的側(cè)面用于表示槽的元數(shù)據(jù)信息，槽的屬性是具體的領(lǐng)域數(shù)據(jù)，側(cè)面的屬性同樣有領(lǐng)域值。除此之外，框架還允許給屬性設(shè)默認(rèn)值，以及設(shè)立觸發(fā)器以維護(hù)框架。

1）框架基本組成的一個示例

2）變量賦值框架模式

只要把框架“鈾資源”的變量賦值，就構(gòu)造出框架模式（表1）。其中該模式的特征是按照領(lǐng)域知識的構(gòu)建需要來定義變量名和變量賦值過程。

表1 帶變量框架實(shí)例Table 1 Example with variable frame

3）框架的優(yōu)點(diǎn)

體系化的將客觀世界的物質(zhì)聯(lián)系用框架和可視化知識構(gòu)建出來，可以完整地抽取核電站數(shù)據(jù)，并且支持默認(rèn)值以及觸發(fā)器。

4）框架的缺點(diǎn)

構(gòu)建一個理想和高質(zhì)量的框架體系不但需要大量的人力和物力，而且還需要專業(yè)化的理論知識作為基礎(chǔ)。同時，默認(rèn)值會增大推理的復(fù)雜度，也缺失對于非統(tǒng)一數(shù)據(jù)的整理。

3 眾源數(shù)據(jù)中鈾礦知識建?？蚣?/h2>

隨著知識圖譜的日新月異，大數(shù)據(jù)為眾源數(shù)據(jù)的知識建模提供了一把雙刃劍。雙刃劍的優(yōu)勢在于為眾源數(shù)據(jù)的挖掘開拓了新的鈾資源知識場景，雙刃劍的劣勢在于之前的學(xué)者并沒有相關(guān)的鈾知識建模研究。當(dāng)前的互聯(lián)網(wǎng)知識建?？蚣軣o法滿足鈾礦知識場景的應(yīng)用需求，因此本文采用互聯(lián)網(wǎng)成熟的規(guī)范語言，如RDF、RDFS（RDF Schema）和OWL，創(chuàng)立一種新的鈾礦核電站知識表示模型。以上的幾種描述邏輯都可以和XML 耦合，本文以RDF為例，利用RDF 來構(gòu)建基于眾源數(shù)據(jù)的鈾資源本體知識。

3.1 鈾資源描述框架法

RDF 規(guī)定，標(biāo)準(zhǔn)知識模型是一個三元組。在一個眾源數(shù)據(jù)的鈾資源案例中，知識的表示模型是：主語、謂語、賓語。在中國核電信息網(wǎng)中，“目前中西部已形成3 個萬噸——十萬噸級鈾資源基地，對提高我國鈾資源保障程度有重大意義”可以寫成以下RDF 三元組：（鈾資源基地，十萬噸級，中西部），（鈾資源，基地，中西部）。從案例中可以發(fā)現(xiàn)，RDF 是擁有主節(jié)點(diǎn)的一個獨(dú)立事件。RDF 中的謂語是一個屬性。每一個弧有兩個節(jié)點(diǎn)連接，當(dāng)然，也可以用一個弧連接節(jié)點(diǎn)和節(jié)點(diǎn)的實(shí)例。換言之，RDF 中的賓語可以是一個個體，例如（鈾資源，基地，中西部）也可以是一個數(shù)據(jù)類型的實(shí)例，例如（鈾資源，位置，“107.091525，41.070502”^xsd：location）。

只要把一個案例的核心內(nèi)容抽取，主語和賓語就構(gòu)成了知識圖的節(jié)點(diǎn)，三元組的謂語看成邊，那么一個RDF 知識庫則可以被看成一個圖或一個知識圖譜。三元組則是圖的單元。RDF 不僅需要抽取案例中的主語節(jié)點(diǎn)、謂語節(jié)點(diǎn)與賓語節(jié)點(diǎn)，還需要符號化其尋址編碼的統(tǒng)一資源標(biāo)識符（Uniform Resource Identifier，URI），包括以上的鈾資源基地、十萬噸級和中西部（圖2）。

圖2 鈾資源三元組Fig.2 Uranium resource triad

全局標(biāo)識URI可以被簡化成前綴URI（圖3）。RDF允許沒有全局標(biāo)識的空白節(jié)點(diǎn)（Blank Node）。空白節(jié)點(diǎn)的前綴為“_”。例如，鈾資源基地是某一個級別關(guān)于中西部的鈾礦基地。

圖3 鈾資源前綴節(jié)點(diǎn)Fig.3 Uranium resource prefix node

RDF 是抽象的數(shù)據(jù)模型，對于具體的實(shí)際案例，可以有不同的案例模型，像常見的RDF/XML 和Turtle 等（圖4）。

圖4 鈾資源序列化規(guī)范Fig.4 Specification for serialization of uranium resources

3.2 鈾資源定性知識表示法

在實(shí)際項目和科學(xué)研究中，研究者們都會根據(jù)具體的研究領(lǐng)域來確定最合適的眾源數(shù)據(jù)知識建模框架。因為不同的知識建?？蚣軙诰唧w的內(nèi)容和表現(xiàn)形式上有所區(qū)別，但從根本上來看，他們之間的底層思路是相似的。常見的最典型的開放域知識圖譜有Freebase、Wikidata、ConceptNet，這里以Freebase 為例，嘗試構(gòu)建知識表示框架，并總結(jié)影響知識表示框架選擇的主要原因。為便于比較分析，以RDF、OWL 的描述術(shù)語和表達(dá)能力為主要比較對象。

Freebase 和以上幾個知識圖譜建模框架一樣，都需要定義基礎(chǔ)類與基礎(chǔ)原生要素及屬性，而且每個基礎(chǔ)類都有與之對應(yīng)的字符編碼，類似于身份證編碼，用于確定其位置及路徑信息。每一個實(shí)體類知識有一個案例類，例如，天山鈾資源基地就是一個對象類，而其尋址編碼是：“01068513720”。同時，該鈾資源屬性劃分為國家級類，其鈾礦空間地理地址為：“81.246346，43.590763”，其中，本文使用多重復(fù)合類（Compound Value Type，CVT）作為連接中心，用于處理多類型資源與空間位置的復(fù)合信息。示例的CVT 提出了關(guān)于鈾資源的多元關(guān)系（圖5）。

圖5 鈾礦知識結(jié)構(gòu)Fig.5 Uranium knowledge structure

3.3 鈾資源定量知識表示法

與前面所述的表示方法不同的是，下面要構(gòu)建的方法是利用定量的方法把鈾資源網(wǎng)絡(luò)構(gòu)架抽象到數(shù)學(xué)公式中，而不是使用基于離散符號的表達(dá)方式。根據(jù)相關(guān)知識建模定量方法的文獻(xiàn)調(diào)研，本文將利用語義模型來進(jìn)行知識的網(wǎng)絡(luò)的定量化研究，該方法的核心模型是RESCAL?；驹硎鞘紫葘⑺械恼Z義知識編碼成三維知識符號，然后利用數(shù)據(jù)的張量關(guān)系，將前面的知識符號分解為主張量和副張量，最后通過設(shè)定誤差概率函數(shù)來保證自動獲取的知識圖譜的正確性。其中，得分函數(shù)為：

式中：h為知識模型中的頭實(shí)體；t為知識模型中的尾 實(shí)體；Mr為由h和t構(gòu)成，且數(shù)量為r的關(guān)系矩陣。

因該算法的模型是矩陣相乘，為防止相乘的結(jié)果為空，需要防止Mr的對角化。但因為是對角矩陣，所以存在hTdiag（r）t=tTdiag（r）h，也就是說這種簡化的模型只天然地假設(shè)所有關(guān)系是對稱的，顯然這是不合理的。后期需要針對該算法進(jìn)行進(jìn)一步的數(shù)學(xué)原理的文獻(xiàn)調(diào)研，找到更加合理的定量化算法來為眾源數(shù)據(jù)的知識挖掘提供數(shù)據(jù)基礎(chǔ)。

4 鈾礦床本體知識建模

4.1 簡介

本文采納Protégé工具將對眾源數(shù)據(jù)構(gòu)建知識模型，Protégé 以Java為底層開發(fā)語言，是目前最受歡迎的知識建模開源工具之一［20］。其中Protégé 與其他眾源數(shù)據(jù)知識建模相比，除了操作簡單、用戶友好之外，其典型特點(diǎn)是在和傳統(tǒng)的知識建模中的工具對比后，Protégé 不僅方便易操作，而且還支持中文知識建模。Protégé 的常見功能包括：類建模、實(shí)例編輯、模型處理和模型交換。

4.2 本體建模

1）鈾礦抽象建模類

Protégé的首頁有基本的常用工具欄和標(biāo)簽頁（圖6）。首先，選擇Web 本體語言類添加新的抽象類，然后創(chuàng)建想要的本體類，如在對話框中，“Name”一欄輸入名字“鈾礦”本體知識。

圖6 建模類Fig.6 Modeling class

2）建立鈾礦實(shí)體類節(jié)點(diǎn)與屬性

右擊主節(jié)點(diǎn)，點(diǎn)擊添加子類，將名字改為“中國”，然后以該子類為節(jié)點(diǎn)繼續(xù)創(chuàng)建子類的鈾礦床節(jié)點(diǎn)，最后建立礦床的子類33 鈾礦（圖7）。同樣，建立屬性與建立子類類似，先選擇一個對象屬性，如定義某礦床的的遙感影像、地點(diǎn)、國家、坐標(biāo)、產(chǎn)品、發(fā)現(xiàn)、開采以及開采公司等屬性信息。

圖7 建立子類與屬性Fig.7 Create subclasses and attributes

5 結(jié)論

本文比較全面地利用知識圖譜技術(shù)對鈾礦地質(zhì)知識信息進(jìn)行建模，目前大部分開放知識圖譜的表示語言基于RDF、RDFS 和OWL，前面幾個本體建模語言是萬維網(wǎng)聯(lián)盟官方推薦的知識建模規(guī)范。除了這些標(biāo)準(zhǔn)語言，本文還測試通過利用知識圖譜的數(shù)據(jù)檢索規(guī)范SPARQL 進(jìn)行眾源數(shù)據(jù)的鈾礦地質(zhì)知識查詢與建模。最后，提出了利用眾源數(shù)據(jù)進(jìn)行知識圖譜的嵌入式方法，并以全球鈾礦資源的開采地為實(shí)例，利用Protégé 開源工具構(gòu)建基本的知識建模方法及步驟。本文提出的基礎(chǔ)知識建模方法為后續(xù)的知識儲存及融合打開了技術(shù)及創(chuàng)新思路。