何江波 韓宛彤 黃繼紅 趙 恒

（中國(guó)船舶集團(tuán)有限公司第七〇九研究所 武漢 430205）

1 引言

海上信息資源管理中心是對(duì)海上信息資源進(jìn)行管理的平臺(tái)，而海上信息資源是海上各信息資源管理中心之間交互的各類數(shù)據(jù)信息的統(tǒng)稱，有著多類別、多來(lái)源、高頻率的特點(diǎn)，各信息資源管理中心對(duì)信息資源進(jìn)行分析以輔助決策。當(dāng)前的信息資源存儲(chǔ)方式主要采用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)，存在如下問(wèn)題：第一，關(guān)系型數(shù)據(jù)庫(kù)適用于存在較多實(shí)體但實(shí)體間關(guān)系較簡(jiǎn)單的數(shù)據(jù)，對(duì)于存在復(fù)雜的資源間關(guān)系的信息資源，關(guān)系型數(shù)據(jù)庫(kù)的性能較低，包含復(fù)雜關(guān)系查詢的操作的實(shí)時(shí)性差；第二，現(xiàn)有數(shù)據(jù)組織方式的信息資源不存在語(yǔ)義層面的關(guān)聯(lián)，檢索得到的信息資源集合簡(jiǎn)單，隨著信息量的增大，現(xiàn)有方法無(wú)法滿足信息資源管理中心對(duì)信息資源實(shí)時(shí)性、準(zhǔn)確性的需求。因此需要為信息資源建立良好的組織方式，為智能檢索、個(gè)性化推薦等上層應(yīng)用提供更好的支撐。

知識(shí)圖譜（Knowledge Graph，KG）是解決上述問(wèn)題的方法之一。知識(shí)圖譜是基于圖結(jié)構(gòu)的知識(shí)庫(kù)，與關(guān)系型數(shù)據(jù)庫(kù)相比，采用知識(shí)圖譜技術(shù)對(duì)信息資源進(jìn)行組織，有以下兩方面的優(yōu)勢(shì)：1）圖結(jié)構(gòu)更適合于存儲(chǔ)數(shù)據(jù)之間關(guān)聯(lián)復(fù)雜的信息資源，關(guān)系操作性能較好；2）信息資源的智能應(yīng)用，知識(shí)圖譜為智能搜索、個(gè)性化推薦等智能應(yīng)用提供支撐，提高信息資源檢索的準(zhǔn)確率。因此知識(shí)圖譜是未來(lái)信息資源管理中心數(shù)據(jù)存儲(chǔ)的發(fā)展趨勢(shì)之一。

本文提出了面向海上多節(jié)點(diǎn)信息資源管理的知識(shí)圖譜的構(gòu)建方法。首先對(duì)知識(shí)圖譜相關(guān)技術(shù)的研究現(xiàn)狀與現(xiàn)有的知識(shí)圖譜構(gòu)建方法進(jìn)行了介紹；然后針對(duì)海上多節(jié)點(diǎn)信息資源的特性，提出了面向海上多節(jié)點(diǎn)信息資源管理的知識(shí)圖譜構(gòu)建方法，為信息資源的智能搜索、個(gè)性化推薦提供支撐。

2 知識(shí)圖譜概述

知識(shí)圖譜的概念由谷歌于2012年5月提出，用于提高搜索引擎能力，增強(qiáng)其返回的搜索結(jié)果。知識(shí)圖譜使用圖結(jié)構(gòu)描述客觀存在的事物及其關(guān)系，圖的節(jié)點(diǎn)表示客觀存在的事物，即實(shí)體，節(jié)點(diǎn)之間的邊表示事物之間的關(guān)系。隨著Web技術(shù)以及智能信息服務(wù)的不斷發(fā)展，知識(shí)圖譜已經(jīng)廣泛應(yīng)用于個(gè)性化推薦，問(wèn)答系統(tǒng)等智能應(yīng)用中。構(gòu)建知識(shí)圖譜的關(guān)鍵技術(shù)包括知識(shí)抽取、知識(shí)融合、知識(shí)推理等方面。知識(shí)抽取主要包括實(shí)體抽取和關(guān)系抽取。目前主要采用統(tǒng)計(jì)機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)的方式對(duì)實(shí)體進(jìn)行抽取。知識(shí)融合的研究主要針對(duì)實(shí)體對(duì)齊方面，文獻(xiàn)［1］提出了針對(duì)實(shí)體相似距離的可擴(kuò)展、自適應(yīng)的聚類與實(shí)體匹配算法?；谌窒嗨贫鹊姆椒ňC合考慮實(shí)體的屬性與實(shí)體之間的關(guān)系，結(jié)合屬性相似度和實(shí)體間的拓?fù)渚嚯x，對(duì)實(shí)體進(jìn)行對(duì)齊。知識(shí)推理主要分為基于邏輯的推理與基于圖的推理兩類。基于邏輯的推理主要包括一階邏輯謂詞推理、描述邏輯和基于規(guī)則的推理。在基于規(guī)則的推理方面，知識(shí)庫(kù)NELL采用一階Horn子句的方式預(yù)測(cè)實(shí)體間的關(guān)聯(lián)［2］；而在基于圖的推理方面，較為典型的有文獻(xiàn)［3］提出的節(jié)點(diǎn)間的隨機(jī)游走算法，用于推測(cè)兩個(gè)節(jié)點(diǎn)之間的關(guān)系。

3 面向海上多節(jié)點(diǎn)信息資源管理的知識(shí)圖譜構(gòu)建方法

3.1 知識(shí)圖譜構(gòu)建的一般步驟

通用知識(shí)圖譜的主流構(gòu)建方法主要分為自頂向下與自底向上兩種方式，自頂向下的構(gòu)建方式先定義概念，然后將實(shí)體填充到知識(shí)圖譜中；自底向上的方式先從原始數(shù)據(jù)中抽取實(shí)體，再通過(guò)對(duì)實(shí)體聚類等方式構(gòu)造概念。專業(yè)領(lǐng)域的知識(shí)圖譜一般采用自頂向下的構(gòu)建方式，主要包括概念定義、知識(shí)抽取，知識(shí)融合等步驟。概念定義對(duì)領(lǐng)域內(nèi)現(xiàn)有知識(shí)進(jìn)行提煉，得到概念、概念的上下位關(guān)系以及概念的關(guān)系。知識(shí)抽取是指對(duì)原始數(shù)據(jù)進(jìn)行實(shí)體抽取、關(guān)系抽取以及屬性值抽取。知識(shí)圖譜的原始數(shù)據(jù)主要分為結(jié)構(gòu)化數(shù)據(jù)，半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)主要指關(guān)系型數(shù)據(jù)庫(kù)中存儲(chǔ)的數(shù)據(jù)，針對(duì)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，使用D2R工具或模板匹配工具將原始數(shù)據(jù)映射為實(shí)體；針對(duì)非結(jié)構(gòu)化的數(shù)據(jù)，使用自然語(yǔ)言處理技術(shù)從原始文本中識(shí)別實(shí)體。知識(shí)融合由于原始數(shù)據(jù)來(lái)源多樣，通過(guò)知識(shí)抽取得到的實(shí)體質(zhì)量較低不能直接作為實(shí)體存儲(chǔ)到知識(shí)庫(kù)中，需要對(duì)實(shí)體進(jìn)行加工，主要的知識(shí)融合方法包括實(shí)體消歧，屬性消歧等。通用知識(shí)圖譜的架構(gòu)如圖1所示。

圖1 通用知識(shí)圖譜架構(gòu)

3.2 海上信息資源知識(shí)圖譜構(gòu)建方法

海上信息資源包含多種異構(gòu)數(shù)據(jù)，包括文字、圖像、音頻、視頻等。而隨著海上信息資源的積累以及信息收集技術(shù)的進(jìn)步，信息資源的種類也會(huì)越來(lái)越復(fù)雜。由于海上節(jié)點(diǎn)之間的網(wǎng)絡(luò)有帶寬低、連接不穩(wěn)定的特點(diǎn)，節(jié)點(diǎn)之間的信息交互實(shí)時(shí)性無(wú)法滿足需求。因此海上多節(jié)點(diǎn)信息資源知識(shí)圖譜的構(gòu)建存在以下兩個(gè)難點(diǎn)：第一，海上各節(jié)點(diǎn)需要維護(hù)節(jié)點(diǎn)之間的關(guān)系，以支持節(jié)點(diǎn)之間的信息交互；第二，知識(shí)圖譜中的節(jié)點(diǎn)信息需要實(shí)時(shí)更新以保證信息資源的實(shí)時(shí)性。

針對(duì)以上難點(diǎn)，本文采用了面向海上網(wǎng)絡(luò)的隱馬爾可夫模型（Hidden Markov Model，HMM），用于預(yù)測(cè)節(jié)點(diǎn)間鏈路狀態(tài)，根據(jù)預(yù)測(cè)結(jié)果選擇更新時(shí)間與鏈路選擇，以確保各節(jié)點(diǎn)的信息資源的實(shí)時(shí)性。

海上網(wǎng)絡(luò)由多種無(wú)線通信手段組成，因此數(shù)據(jù)傳輸首先需要選擇使用的信道，由于信道的實(shí)時(shí)狀態(tài)是未知的，選擇不可用信道導(dǎo)致的等待時(shí)延會(huì)極大地影響到數(shù)據(jù)傳輸?shù)膶?shí)時(shí)性。HMM可以基于當(dāng)前已知的網(wǎng)絡(luò)狀態(tài)對(duì)未來(lái)一段時(shí)間的狀態(tài)進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)結(jié)果選擇可用信道，有效減少選擇不可用信道導(dǎo)致的等待時(shí)延，從而解決實(shí)體更新的實(shí)時(shí)性問(wèn)題，同時(shí)根據(jù)信道狀態(tài)對(duì)節(jié)點(diǎn)間的關(guān)系進(jìn)行更新維護(hù)。

HMM是馬爾可夫模型理論基礎(chǔ)上的雙重隨機(jī)過(guò)程，由描述隱藏狀態(tài)轉(zhuǎn)移的馬爾可夫鏈和描述隱藏狀態(tài)與觀測(cè)狀態(tài)之間關(guān)系的隨機(jī)過(guò)程組成，隱藏狀態(tài)不可觀測(cè)。HMM可以定義為五元組λ=(S，V，A，B，π)，其中S=｛S1，S2，…，SN｝，代表隱藏狀態(tài)的有限集合，狀態(tài)數(shù)量為N；V=｛V1，V2，…，VM｝，代表觀測(cè)值的有限集合，可能輸出的觀測(cè)值數(shù)量為M；A=｛aij｝，aij=P｛qt+1=Sj|qt=Si｝，1≤i，j≤N，代表HMM中隱藏狀態(tài)之間的轉(zhuǎn)移概率；B=｛bj（k）｝，bj（k）=P｛Ot=Vk|qt=Sj｝，1≤j≤N，1≤k≤M，代表HMM中某隱藏狀態(tài)被觀測(cè)為指定觀測(cè)值的概率；代表初始化狀態(tài)分布。隨機(jī)過(guò)程中的隱藏狀態(tài)序列為Q=｛q1，q2，…，qT｝，觀測(cè)狀態(tài)序列為O=｛ο1，ο2，…，οT｝，T為觀測(cè)狀態(tài)序列長(zhǎng)度。

網(wǎng)絡(luò)狀態(tài)不是一個(gè)具體的概念，無(wú)法直接檢測(cè)，一般通過(guò)反映網(wǎng)絡(luò)狀態(tài)的QoS指標(biāo)來(lái)體現(xiàn)網(wǎng)絡(luò)狀態(tài)，如網(wǎng)絡(luò)時(shí)延、丟包率等。HMM中的隱藏狀態(tài)同樣不可觀測(cè)，僅能觀測(cè)到觀測(cè)狀態(tài)。針對(duì)海上網(wǎng)絡(luò)，以信道的連通狀態(tài)作為隱藏狀態(tài)，隱藏值集合S=｛0，1｝，分別表示信道不可用狀態(tài)與可用狀態(tài)。以每次實(shí)體更新的時(shí)延為觀測(cè)狀態(tài)，對(duì)實(shí)體更新時(shí)間進(jìn)行離散化，分為三種狀態(tài)，第一類時(shí)延小于200ms，第二類時(shí)延在200ms～1000ms之間，第三類時(shí)延在1000ms以上，故觀測(cè)值集合V=｛0，1，2｝。對(duì)歷史數(shù)據(jù)進(jìn)行離散化得到觀測(cè)狀態(tài)序列O，作為模型的訓(xùn)練集與預(yù)測(cè)的輸入。

建立HMM需要選取合適的初始模型參數(shù)，好的參數(shù)選取方案使最終參數(shù)盡量收斂于全局最大值。初始狀態(tài)分布π與隱藏狀態(tài)轉(zhuǎn)移概率矩陣A可隨機(jī)選取，不會(huì)影響到模型的最終參數(shù)收斂。觀測(cè)概率矩陣B的初始值關(guān)系到最終參數(shù)的收斂，采用均勻分割訓(xùn)練樣本然后估計(jì)其全局均值和方差的方式計(jì)算初始觀測(cè)概率矩陣B。

定義初始模型后，使用已知的觀測(cè)狀態(tài)序列O作為輸入，采用Baum-Welch算法對(duì)模型λ進(jìn)行訓(xùn)練，計(jì)算得到新的模型λ`=(A`，B`，π`)，且P（O|λ`）>P（O|λ），即新模型生成觀測(cè)狀態(tài)序列O的概率高于原模型，新模型相比原模型更符合實(shí)際環(huán)境，將λ`作為λ進(jìn)行新一輪的迭代，直到P（O|λ`）不明顯提高，即得到最終的模型。

建立面向海上網(wǎng)絡(luò)的隱馬爾可夫模型后，以節(jié)點(diǎn)間網(wǎng)絡(luò)狀態(tài)的觀測(cè)狀態(tài)序列O作為輸入，使用Viterbi算法預(yù)測(cè)未來(lái)時(shí)隙的所有信道狀態(tài)，即根據(jù)已經(jīng)確定的給定部分觀察序列O={ο1，ο2，…，οt}及其對(duì)應(yīng)的最優(yōu)隱藏狀態(tài)序列Q={q1，q2，…，qt}，根據(jù)Q計(jì)算出觀測(cè)序列增1后的最優(yōu)狀態(tài)序列Q={q1，q2，…，qt，qt+1}，即得到下一時(shí)隙的網(wǎng)絡(luò)狀態(tài)預(yù)測(cè)值。選擇預(yù)測(cè)可用信道建立候選信道集合，使用可用信道進(jìn)行實(shí)體更新的傳輸，保證實(shí)體更新的實(shí)時(shí)性，根據(jù)可用信道的連通狀態(tài)維護(hù)節(jié)點(diǎn)間的連接關(guān)系，同時(shí)根據(jù)實(shí)體更新的傳輸?shù)男Ч麑?duì)HMM模型進(jìn)行評(píng)估。

基于面向海上網(wǎng)絡(luò)的隱馬爾可夫模型，得到對(duì)信道的連通狀態(tài)進(jìn)行預(yù)測(cè)的方法?；陬A(yù)測(cè)方法，提出海上多節(jié)點(diǎn)信息資源知識(shí)圖譜的構(gòu)建方法，分為單節(jié)點(diǎn)知識(shí)圖譜構(gòu)建與節(jié)點(diǎn)間交互模塊構(gòu)建兩部分。

單節(jié)點(diǎn)知識(shí)圖譜構(gòu)建方法如下：

1）根據(jù)經(jīng)驗(yàn)與信息資源管理中的技術(shù)文檔，定義信息資源管理的相關(guān)概念和關(guān)系。對(duì)于信息資源知識(shí)圖譜，采用自頂向下的構(gòu)建方式，通過(guò)文本模板匹配的方式從信息資源的技術(shù)文檔匹配得到概念及屬性的定義，以抽取得到的概念形成信息資源知識(shí)圖譜的模式層。

2）根據(jù)實(shí)際應(yīng)用需求，為抽取得到的概念定義屬性、關(guān)系的取值約束，為節(jié)點(diǎn)與信息資源、節(jié)點(diǎn)與節(jié)點(diǎn)之間的關(guān)系添加連接狀態(tài)屬性，記錄該信息資源或節(jié)點(diǎn)當(dāng)前是否可達(dá)。

3）從現(xiàn)有的數(shù)據(jù)庫(kù)、文檔、實(shí)時(shí)數(shù)據(jù)等多種來(lái)源的異構(gòu)數(shù)據(jù)中抽取實(shí)體及其關(guān)系與屬性值。針對(duì)各類異構(gòu)信息資源，為信息資源按類型定義匹配模板，采用模板匹配的知識(shí)抽取方法進(jìn)行實(shí)體的抽取。

4）由于信息資源實(shí)體存在較多關(guān)系和屬性，采用基于實(shí)體關(guān)系的相似度作為實(shí)體消歧的判斷標(biāo)準(zhǔn)；對(duì)步驟3）得到的實(shí)體進(jìn)行知識(shí)融合，消除實(shí)體之間的冗余，對(duì)相同實(shí)體進(jìn)行合并，得到單節(jié)點(diǎn)信息資源知識(shí)圖譜。

節(jié)點(diǎn)間交互模塊構(gòu)建方法如下。

1）選取初始模型參數(shù)，建立初始隱馬爾可夫模型。

2）對(duì)信道狀態(tài)歷史數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)造觀測(cè)狀態(tài)序列O作為HMM的訓(xùn)練集。

3）使用Baum-Welch算法對(duì)隱馬爾可夫模型進(jìn)行訓(xùn)練。

基于訓(xùn)練后的HMM，使用Viterbi算法計(jì)算預(yù)測(cè)未來(lái)時(shí)隙的所有信道狀態(tài)，并基于預(yù)測(cè)的結(jié)果選擇信道傳輸數(shù)據(jù)。根據(jù)數(shù)據(jù)的傳輸結(jié)果判斷信道的實(shí)際狀態(tài)，維護(hù)節(jié)點(diǎn)間關(guān)系；基于預(yù)測(cè)結(jié)果和信道的實(shí)際狀態(tài)評(píng)估HMM的預(yù)測(cè)效果。若預(yù)測(cè)效果下降，將新的信道狀態(tài)預(yù)處理后加入到訓(xùn)練集，訓(xùn)練HMM，否則預(yù)測(cè)下一時(shí)隙的信道狀態(tài)。

海上多節(jié)點(diǎn)的信息資源知識(shí)圖譜的建立流程圖如圖2所示。

圖2 海上多節(jié)點(diǎn)的信息資源知識(shí)圖譜的建立流程

按照以上方法構(gòu)建的海上多節(jié)點(diǎn)信息資源知識(shí)圖譜可以對(duì)節(jié)點(diǎn)間的連接狀態(tài)進(jìn)行維護(hù)，并確保節(jié)點(diǎn)間信息資源的實(shí)時(shí)性。

4 信息資源知識(shí)圖譜實(shí)例

以兩個(gè)海上信息資源管理中心節(jié)點(diǎn)為例，通過(guò)以上方法構(gòu)建海上信息資源知識(shí)圖譜，關(guān)系數(shù)據(jù)庫(kù)中原始數(shù)據(jù)如圖3所示。

圖3 原始數(shù)據(jù)示例

使用D2R工具將目前的關(guān)系數(shù)據(jù)庫(kù)中的結(jié)構(gòu)化數(shù)據(jù)映射為資源描述框架映射為資源描述框架（Resource Description Framework，RDF）的表示形式，得到的實(shí)體如圖4所示。

圖4 實(shí)體RDF描述示例

將抽取得到的實(shí)體集添加到圖數(shù)據(jù)庫(kù)中，形成節(jié)點(diǎn)1與節(jié)點(diǎn)2的單節(jié)點(diǎn)信息資源知識(shí)圖譜。構(gòu)建各節(jié)點(diǎn)上的節(jié)點(diǎn)間交互模塊，通過(guò)節(jié)點(diǎn)間的數(shù)據(jù)更新得到多節(jié)點(diǎn)信息資源知識(shí)圖譜。

對(duì)多節(jié)點(diǎn)知識(shí)圖譜中的1、2兩個(gè)用戶實(shí)體進(jìn)行關(guān)聯(lián)路徑分析，得到的結(jié)果如圖5所示，可直觀地看到兩個(gè)信息資源管理中心之間關(guān)聯(lián)的資源實(shí)體，“訂閱”關(guān)系實(shí)時(shí)顯示連接狀態(tài)，更新交互模塊實(shí)時(shí)對(duì)本地知識(shí)圖譜進(jìn)行更新，維護(hù)節(jié)點(diǎn)間關(guān)系，直觀顯示信息資源中心與資源之間的關(guān)系。

圖5 海上多節(jié)點(diǎn)信息資源管理知識(shí)圖譜

在相同的網(wǎng)絡(luò)環(huán)境下，對(duì)傳統(tǒng)的信道輪詢方式與HMM模型預(yù)測(cè)在不同數(shù)據(jù)規(guī)模下的實(shí)體更新平均時(shí)延進(jìn)行對(duì)比。如圖6所示，隨著實(shí)體更新數(shù)據(jù)規(guī)模的增大，隱馬爾可夫模型對(duì)網(wǎng)絡(luò)狀態(tài)擬合度逐漸提高。相對(duì)于傳統(tǒng)的信道輪詢方式，使用隱馬爾可夫模型進(jìn)行預(yù)測(cè)的實(shí)體更新方式能有效降低實(shí)體更新時(shí)延，從而提高知識(shí)圖譜更新的實(shí)時(shí)性。

圖6 HMM預(yù)測(cè)與輪詢方式實(shí)時(shí)性效果對(duì)比

5 結(jié)語(yǔ)

隨著全域作戰(zhàn)模式的發(fā)展，信息資源的數(shù)據(jù)規(guī)模與類型會(huì)日益增加，對(duì)海上信息資源的組織方式和應(yīng)用都提出了新的挑戰(zhàn)。本文針對(duì)海上多節(jié)點(diǎn)的海量異構(gòu)信息資源以及海上網(wǎng)絡(luò)環(huán)境的特點(diǎn)，提出了面向海上多節(jié)點(diǎn)信息資源知識(shí)圖譜的構(gòu)建方法，從多種數(shù)據(jù)源抽取實(shí)體及關(guān)系以構(gòu)建信息資源知識(shí)圖譜，構(gòu)建的知識(shí)圖譜可為異構(gòu)信息資源提供一種數(shù)據(jù)組織方式和存儲(chǔ)方式，為以信息資源知識(shí)圖譜為基礎(chǔ)的個(gè)性化推薦、智能搜索等方面應(yīng)用提供技術(shù)支持。