曾偉桂

(北京信息科技大學(xué)，北京 100101)

1 研究背景及意義

化工行業(yè)工藝復(fù)雜，儲存物料危險性大，一旦引發(fā)事故，往往造成極強的破壞力，社會影響巨大。近年來，化工事故發(fā)生量在政府管理下有所降低，但事故強度愈演愈烈[1]，化工行業(yè)的安全形勢依然嚴峻。

將知識圖譜引入化工安全領(lǐng)域，利用大數(shù)據(jù)、人工智能等相關(guān)信息技術(shù)整合存儲海量的化工安全知識，構(gòu)建基于化工安全領(lǐng)域的知識圖譜，便于從業(yè)人員更好地利用化工安全領(lǐng)域豐富的知識，對中國化工安全發(fā)展、對國家發(fā)展具有長遠意義。

2 研究現(xiàn)狀

2.1 知識圖譜

2012年5月17日，Google公司為了提高搜索引擎能力、改善用戶搜索質(zhì)量及搜索體驗，首次采用了“知識圖譜(knowledge graph)”技術(shù)[2]，知識圖譜應(yīng)運而生。知識圖譜是知識庫與語義網(wǎng)絡(luò)相結(jié)合的產(chǎn)物，用于描述客觀世界中的實體、實體與實體之間的關(guān)系。它用節(jié)點表示語義符號，用邊表示語義之間的關(guān)系，從而把現(xiàn)實世界中的人、事和物聯(lián)系在一起，得到一個類似“多關(guān)系圖(multi-relational Graph)”的巨大語義網(wǎng)絡(luò)。隨著人工智能的不斷發(fā)展，知識圖譜技術(shù)體系亦日趨完善，其已在金融領(lǐng)域、搜索引擎、問答系統(tǒng)、電商平臺、社交網(wǎng)絡(luò)等方面有了一定的應(yīng)用，在解決大數(shù)據(jù)文本分析和圖像理解等方面發(fā)揮著重要作用。

2.2 化工安全知識圖譜現(xiàn)狀

基于行業(yè)領(lǐng)域劃分，知識圖譜可分為開放領(lǐng)域的知識圖譜和特定領(lǐng)域的知識圖譜[3]，具有廣闊的研究與應(yīng)用前景。針對化工安全這個特定的領(lǐng)域，創(chuàng)新性地引入知識圖譜技術(shù)，通過對近年來全國近100起化工爆炸事故的研究，初步完成了化工安全知識圖譜的構(gòu)建，并基于Neo4j對數(shù)據(jù)進行存儲。

3 化工安全知識圖譜構(gòu)建

3.1 知識圖譜理論架構(gòu)

知識圖譜的架構(gòu)包括自身的邏輯結(jié)構(gòu)及構(gòu)建知識圖譜所采用的技術(shù)架構(gòu)[4]。根據(jù)不同的需求和應(yīng)用，知識圖譜可能涉及不同技術(shù)。從最原始的數(shù)據(jù)(包括結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù))出發(fā)，到最終形成知識圖譜這一過程，包含了信息抽取、知識表示、實體對齊、知識推理、質(zhì)量評估等步驟[5]。其理論架構(gòu)如圖1所示：

圖1 知識圖譜理論架構(gòu)

3.2 知識定義

知識定義可分為實體定義和關(guān)系定義。在化工生產(chǎn)過程中易發(fā)且影響最大的幾類事故中以化工爆炸為例，針對其實體定義主要有兩部分，一是化工爆炸事故本體概念圖譜，二是化工爆炸事故案例相關(guān)圖譜。

和本體概念圖譜對應(yīng)的是不同化工爆炸相關(guān)的事件圖譜，如圖2所示。

圖2 化工爆炸事故本體&案例圖譜

由于尚未建立實體之間的聯(lián)系，就沒辦法解釋各個概念之間的關(guān)系類型，所以建立各個實體之間的連接，以關(guān)系為導(dǎo)向，對于豐富化工安全知識庫、提升搜索效果和可視化展示至關(guān)重要。針對化工爆炸事故中的關(guān)系定義，可以歸納為表1所示類型。

表1 化工爆炸事故關(guān)系表

3.3 知識抽取

知識抽取指的是通過人工或自動等方式從數(shù)據(jù)源中提取實體、屬性及關(guān)系的技術(shù)[6]。知識抽取包括實體、關(guān)系及屬性抽取三個方面[7]。針對化工爆炸事故案例，通過對全國近100起化工爆炸事故進行研究，對化工園區(qū)或企業(yè)爆炸的致災(zāi)因素進行綜合分析。人工抽取部分實體和關(guān)系如表2所示。

表2 部分實體關(guān)系表

4 化工安全知識圖譜存儲

4.1 Neo4j圖數(shù)據(jù)庫

圖數(shù)據(jù)庫(Graph Database)是一種不限于SQL的新型數(shù)據(jù)庫，它使用圖結(jié)構(gòu)的方式建模，數(shù)據(jù)模型主要是以節(jié)點和邊來體現(xiàn)，因而圖數(shù)據(jù)庫能夠運用圖結(jié)構(gòu)的自然伸展特點，解決一系列非常復(fù)雜的設(shè)計問題。

Neo4j是圖數(shù)據(jù)庫中比較流行的一款產(chǎn)品，由于其具有更豐富的關(guān)系表示、更完整的事務(wù)支持、更快的數(shù)據(jù)庫操作、更直觀的數(shù)據(jù)展示等優(yōu)點，故基于Neo4j構(gòu)建化工安全知識圖譜。

4.2 Cypher語言

Cypher是專門為圖像數(shù)據(jù)庫設(shè)計的語言，淺顯易懂，具有豐富的表現(xiàn)力，能高效地查詢和更新圖數(shù)據(jù)，借鑒了SQL結(jié)構(gòu)。查詢可由各種各樣的語句組合，采用如MATCH、WHERE和DELETE等類似SQL的語句來組合模式，以表達預(yù)期操作。

利用Cypher 語言使用多個關(guān)系的復(fù)雜模式能夠表達任意復(fù)雜概念，支持各種使用場景的特點，可以更高效地對化工安全知識數(shù)據(jù)進行增刪改查，并基于Neo4j實現(xiàn)知識存儲。

4.3 知識導(dǎo)入

Neo4j批量數(shù)據(jù)導(dǎo)入提供了三個工具，即Load CSV、neo4j-admin import及Cypher CREATE語句。由于neo4j-admin import適合于海量數(shù)據(jù)的初始化導(dǎo)入，需要停止neo4j服務(wù)器并清庫，故采用Load CSV和Cypher語句對實體關(guān)系數(shù)據(jù)進行導(dǎo)入、增加、修改等操作。

LOAD CSV用于從處理好的CSV文件中導(dǎo)入數(shù)據(jù)，通過批量導(dǎo)入CSV文件導(dǎo)入節(jié)點和關(guān)系，創(chuàng)建化工安全知識圖譜。部分代碼如圖3、圖4所示。

圖3 部分節(jié)點導(dǎo)入代碼

圖4 部分關(guān)系導(dǎo)入代碼

需要注意的是，設(shè)置LOAD CSV中file:///URL中的根路徑必須設(shè)置為數(shù)據(jù)庫服務(wù)器上的文件系統(tǒng)的單個目錄，它讓所有的請求從file:///URL加載時都使用根路徑的相對路徑。

此外，還可以通過Cypher語句對已創(chuàng)建好的知識圖譜進行增加或修改操作，如圖5所示。

圖5 增加節(jié)點關(guān)系代碼

4.4 圖譜查詢

Neo4j圖數(shù)據(jù)庫通過Cypher語言中的MATCH關(guān)鍵字指定查詢模式(Patterns)，即將節(jié)點和關(guān)系的語法組合在一起的表達模式。為了增強模塊性和減少重復(fù)，Cypher允許將模式賦給一個變量，這使得匹配到的路徑可以用于其他表達式。例如：通過Cypher語句MATCH p=()-[r :CAUSE]->()RETURN p LIMIT 25，可以查詢到如圖6所示的部分實體關(guān)系圖譜。

圖6 部分實體關(guān)系圖譜

5 結(jié)語

結(jié)合化工安全這個特定領(lǐng)域，創(chuàng)新性地引入了知識圖譜技術(shù)。針對化工安全事故類中的爆炸事故，通過對全國近100起化工爆炸事故的研究，對化工園區(qū)或企業(yè)爆炸的致災(zāi)因素進行綜合分析，抽取出其中的實體和關(guān)系，初步構(gòu)建了化工安全知識圖譜，并基于Neo4j，實現(xiàn)了知識存儲。研究表明，利用知識圖譜技術(shù)對化工安全領(lǐng)域的知識進行管理是可行的，為后續(xù)化工安全知識圖譜的應(yīng)用提供重要參考。