袁夢 宗潔瓊 張正敏

（上海市質(zhì)量和標(biāo)準(zhǔn)化研究院，上海 200031）

0.引言

標(biāo)準(zhǔn)體系是指一定范圍內(nèi)的標(biāo)準(zhǔn)按其內(nèi)在聯(lián)系形成的科學(xué)的有機(jī)整體[1]，需要周期性動(dòng)態(tài)維護(hù)更新。隨著新興行業(yè)領(lǐng)域快速發(fā)展和分工精細(xì)化，傳統(tǒng)標(biāo)準(zhǔn)體系構(gòu)建方法也已經(jīng)滿足不了多元化的市場發(fā)展要求。在新技術(shù)和產(chǎn)業(yè)融合快速發(fā)展的背景下，傳統(tǒng)標(biāo)準(zhǔn)體系“自下而上”的思維方式，逐漸在新興行業(yè)和跨學(xué)科跨產(chǎn)業(yè)領(lǐng)域顯得力所不及，面臨著難以批量處理海量標(biāo)準(zhǔn)數(shù)據(jù)的窘困。加之標(biāo)準(zhǔn)制修訂周期與標(biāo)準(zhǔn)體系制定周期的疊加，時(shí)滯效應(yīng)的累積進(jìn)一步阻礙了標(biāo)準(zhǔn)化發(fā)展。因此，在高新技術(shù)和智能制造產(chǎn)業(yè)中，如何在海量標(biāo)準(zhǔn)中高效快速實(shí)現(xiàn)標(biāo)準(zhǔn)集合劃分、服務(wù)標(biāo)準(zhǔn)體系構(gòu)建、助力新型標(biāo)準(zhǔn)體系，是近年來質(zhì)量和標(biāo)準(zhǔn)化工作的研究重點(diǎn)，也是標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型研究領(lǐng)域面向標(biāo)準(zhǔn)知識圖譜的探索路徑之一。

近年來，復(fù)雜網(wǎng)絡(luò)技術(shù)、大數(shù)據(jù)技術(shù)被引入到多個(gè)研究和行業(yè)領(lǐng)域，其系統(tǒng)理論和高效應(yīng)用得到了學(xué)術(shù)界的廣泛認(rèn)可[2]?！秶覚C(jī)器人標(biāo)準(zhǔn)體系建設(shè)指南》中指出，機(jī)器人是先進(jìn)制造業(yè)中不可替代的重要裝備，在支撐智能制造、提升生產(chǎn)效率、增進(jìn)民眾福祉等方面發(fā)揮著重要作用。因此，本文圍繞工業(yè)機(jī)器人標(biāo)準(zhǔn)，基于該領(lǐng)域的標(biāo)準(zhǔn)引用網(wǎng)絡(luò)研究基礎(chǔ)[3]，進(jìn)一步引入社團(tuán)發(fā)現(xiàn)算法[4]，來實(shí)現(xiàn)標(biāo)準(zhǔn)集合的劃分，再利用關(guān)鍵詞抽取算法挖掘標(biāo)準(zhǔn)主題[5]，服務(wù)標(biāo)準(zhǔn)體系基礎(chǔ)層的構(gòu)建，為數(shù)字化手段解決標(biāo)準(zhǔn)體系構(gòu)建問題提供技術(shù)支持。

1.數(shù)學(xué)模型

基于已建立的工業(yè)機(jī)器人領(lǐng)域的標(biāo)準(zhǔn)引用網(wǎng)絡(luò)圖及其最大連通子圖[6]，本文融合復(fù)雜網(wǎng)絡(luò)技術(shù)、大數(shù)據(jù)技術(shù)設(shè)計(jì)標(biāo)準(zhǔn)基礎(chǔ)子體系構(gòu)建模型，利用網(wǎng)絡(luò)及其最大連通子圖的異質(zhì)性來實(shí)現(xiàn)標(biāo)準(zhǔn)社團(tuán)劃分，以數(shù)字化手段解決大量標(biāo)準(zhǔn)數(shù)據(jù)準(zhǔn)確、快速、自動(dòng)劃分成標(biāo)準(zhǔn)子體系基層結(jié)構(gòu)。整個(gè)模型框架圖見圖1。

圖1 模型框架圖

對上述標(biāo)準(zhǔn)引用網(wǎng)絡(luò)及其最大連通子圖，分別統(tǒng)計(jì)計(jì)算度分布情況，以此為網(wǎng)絡(luò)結(jié)構(gòu)的異質(zhì)性檢驗(yàn)標(biāo)準(zhǔn)。若兩網(wǎng)絡(luò)結(jié)構(gòu)均為異質(zhì)網(wǎng)絡(luò)，則可利用該異質(zhì)性實(shí)施下一步的標(biāo)準(zhǔn)社團(tuán)劃分。

由于網(wǎng)絡(luò)的異質(zhì)性和鄰居節(jié)點(diǎn)累積效應(yīng)的不同，使得節(jié)點(diǎn)合并結(jié)果不同，故而對系統(tǒng)貢獻(xiàn)的增益量不同。然而，BGLL算法就是以模塊度增益ΔQ為度量來實(shí)現(xiàn)標(biāo)準(zhǔn)社團(tuán)劃分，即為基于標(biāo)準(zhǔn)引用網(wǎng)絡(luò)結(jié)構(gòu)異質(zhì)性、網(wǎng)絡(luò)連通性，以及引用和被引標(biāo)準(zhǔn)集合等指標(biāo)，來測算標(biāo)準(zhǔn)合并為系統(tǒng)帶來的增效，并以此為度量來實(shí)現(xiàn)標(biāo)準(zhǔn)集合自動(dòng)劃分。該算法的迭代過程是“自下而上”凝聚思維的表現(xiàn)之一，在面對大規(guī)模稀疏網(wǎng)絡(luò)時(shí)，具有時(shí)間復(fù)雜度線性優(yōu)勢，結(jié)果穩(wěn)定且較為準(zhǔn)確，易于實(shí)現(xiàn)，具有較廣的發(fā)展空間和較高的應(yīng)用價(jià)值。另外，ΔQ的計(jì)算，可結(jié)合網(wǎng)絡(luò)屬性，如節(jié)點(diǎn)間連邊的方向、權(quán)重等，衍生出許多變式，是一個(gè)較為開放靈活的算法。該算法對網(wǎng)絡(luò)規(guī)模容量區(qū)間寬泛，故而對行業(yè)發(fā)展成熟度的要求并不嚴(yán)格，在規(guī)模較大和較小的標(biāo)準(zhǔn)引用網(wǎng)絡(luò)中均可適用。

標(biāo)準(zhǔn)引用網(wǎng)絡(luò)在構(gòu)建之初，所有標(biāo)準(zhǔn)文件的標(biāo)題已預(yù)先轉(zhuǎn)化為中文文本，但標(biāo)題中的停詞、通用詞語等會(huì)被高頻使用，對文檔主題的確認(rèn)并沒有太大作用，還會(huì)增加計(jì)算成本，故而本文模型先利用Jieba分詞實(shí)現(xiàn)文本預(yù)處理，實(shí)現(xiàn)標(biāo)題清洗和劃分。然后，再利用TF-IDF關(guān)鍵詞抽取技術(shù)[7]，以網(wǎng)絡(luò)中所有標(biāo)準(zhǔn)標(biāo)題為語料庫，以每個(gè)社團(tuán)內(nèi)標(biāo)準(zhǔn)標(biāo)題為關(guān)鍵詞集來實(shí)現(xiàn)各社團(tuán)的主題識別。最后，將各社團(tuán)對應(yīng)的標(biāo)準(zhǔn)集合與社團(tuán)主題對已發(fā)布的標(biāo)準(zhǔn)體系框架補(bǔ)充完善，形成工業(yè)機(jī)器人標(biāo)準(zhǔn)體系結(jié)構(gòu)圖。

2.概念和算法

2.1 標(biāo)準(zhǔn)引用網(wǎng)絡(luò)

以“工業(yè)機(jī)器人”為關(guān)鍵詞，在上海市質(zhì)量和標(biāo)準(zhǔn)化研究院豐富的標(biāo)準(zhǔn)館藏庫中，利用標(biāo)準(zhǔn)與其規(guī)范性引用文件，轉(zhuǎn)化為點(diǎn)集、邊集和引用關(guān)系，生成標(biāo)準(zhǔn)引用網(wǎng)絡(luò)G1(527,1080)，后刪除圖中規(guī)模較小、處于游離狀態(tài)的標(biāo)準(zhǔn)和連邊，提取網(wǎng)絡(luò)的最大連通子圖G2(475,1012)。

2.2 度、度分布和異質(zhì)網(wǎng)絡(luò)

在標(biāo)準(zhǔn)引用網(wǎng)絡(luò)中，節(jié)點(diǎn)的度即為標(biāo)準(zhǔn)在系統(tǒng)中的引用關(guān)系總數(shù)，記為k。度分布是指該網(wǎng)絡(luò)中標(biāo)準(zhǔn)數(shù)與引用關(guān)系的分布情況，對標(biāo)準(zhǔn)引用網(wǎng)絡(luò)的度分布進(jìn)行擬合，若擬合為長尾曲線，即為冪律分布，它則是異質(zhì)網(wǎng)絡(luò)。

2.3 社團(tuán)

鄰居節(jié)點(diǎn)指的是與該標(biāo)準(zhǔn)有直接引用關(guān)系的其他標(biāo)準(zhǔn)。在網(wǎng)絡(luò)科研領(lǐng)域，研究人員發(fā)現(xiàn)由于節(jié)點(diǎn)與節(jié)點(diǎn)之間關(guān)聯(lián)強(qiáng)弱的不同，周邊鄰居節(jié)點(diǎn)集的差異等原因，使得具有連接關(guān)系的兩節(jié)點(diǎn)間可能歸屬不同點(diǎn)線集合，并在結(jié)構(gòu)上表現(xiàn)出，內(nèi)部關(guān)聯(lián)緊密，外部結(jié)構(gòu)稀疏。此類點(diǎn)線集合，被認(rèn)為是社團(tuán)Cj，整個(gè)網(wǎng)絡(luò)視為連通的社團(tuán)系統(tǒng)Cs={C1,C2,…CK}，并要求社團(tuán)內(nèi)部節(jié)點(diǎn)連通[8]。

2.4 BGLL社團(tuán)檢測算法

Newman等人首先給出了模塊度Q的定義，通過比較真實(shí)網(wǎng)絡(luò)與隨機(jī)網(wǎng)絡(luò)中各社團(tuán)的邊緣密度差異來度量社團(tuán)結(jié)構(gòu)的顯著性，并用以衡量社團(tuán)劃分結(jié)果的好壞?；谀K度優(yōu)化的社團(tuán)發(fā)現(xiàn)算法研究較早，使用廣泛，具有精度高、穩(wěn)定性好等特點(diǎn)，但在大規(guī)模稀疏網(wǎng)絡(luò)中，往往會(huì)帶來計(jì)算復(fù)雜度高，小社團(tuán)識別度有限等問題。為降低算法的時(shí)間復(fù)雜度，Blondel等人在模塊度Q的基礎(chǔ)上提出了一種能夠用于加權(quán)網(wǎng)絡(luò)的層次性貪心算法，探測網(wǎng)絡(luò)層次化社團(tuán)結(jié)構(gòu)的凝聚算法—BGLL算法[9]。整個(gè)算法分為兩個(gè)階段：

在網(wǎng)絡(luò)初始化時(shí)，將網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)分別作為一個(gè)社團(tuán)。然后對任意相連的社團(tuán)i，j，計(jì)算社團(tuán)i加入到它的鄰居社團(tuán)j所在社團(tuán)時(shí)，該社團(tuán)模塊度的增益ΔQ，見式（1）?！苅n是社團(tuán)內(nèi)部所有邊的權(quán)重和；∑tot是所有與社團(tuán)內(nèi)部節(jié)點(diǎn)相關(guān)聯(lián)的邊的權(quán)重和；ki是所有與節(jié)點(diǎn)i相關(guān)聯(lián)的邊的權(quán)重和；ki，in是社團(tuán)i與社團(tuán)C相連接的所有邊的權(quán)重和，m是該網(wǎng)絡(luò)中的連邊總數(shù)[10]。

當(dāng)ΔQ為正值時(shí)，選出對應(yīng)最大值的那個(gè)鄰居社團(tuán)，把社團(tuán)i加入到該鄰居社團(tuán)中；若所有ΔQ為負(fù)值，則社團(tuán)i留在初始社團(tuán)中。將社團(tuán)合并過程重復(fù)進(jìn)行，直到整個(gè)網(wǎng)絡(luò)不在出現(xiàn)合并現(xiàn)象，得到劃分出的第一層社團(tuán)。

以第一階段探測出的各個(gè)社團(tuán)為節(jié)點(diǎn)，重塑為加權(quán)網(wǎng)絡(luò)，節(jié)點(diǎn)間的連邊權(quán)重為兩個(gè)社團(tuán)間所有連邊的權(quán)重和。然后，用第一階段的算法再次對新網(wǎng)絡(luò)進(jìn)行社團(tuán)劃分，并以此類推，直到不能劃分出更高層次的社團(tuán)結(jié)構(gòu)為止。

2.5 TF-IDF關(guān)鍵詞抽取算法

詞頻TF（Term Frequency）是指詞語在文檔中出現(xiàn)的頻率，見式（2）。其中，TFi,j表示詞條ti在文檔dj中出現(xiàn)的頻率，ni,j表示詞條ti在文檔dj中出現(xiàn)的次數(shù)。

逆向詞頻IDF（Inverse Document Frequency）是指該詞在語料庫中出現(xiàn)的頻率，見式（3）。其中，IDFi表示詞條ti在語料庫中出現(xiàn)的頻率，表示語料庫中的文件總數(shù)，表示包含詞條ti的文件數(shù)，為保障除數(shù)不為零，往往采用代替。

因此，詞語i在文檔dj中的匹配度，即為它的TFIDF值，見式（4）。其思想是，當(dāng)一個(gè)詞在文檔中高頻出現(xiàn)，又在其他文件中出現(xiàn)頻率很低時(shí)，表明該詞語具有很好的區(qū)分能力，可以用來將它所在的文檔與其他文檔區(qū)別開來。

3.實(shí)證分析

本文在工業(yè)機(jī)器人領(lǐng)域，利用圖論和復(fù)雜網(wǎng)絡(luò)技術(shù)、大數(shù)據(jù)技術(shù)等，借助標(biāo)準(zhǔn)與規(guī)范性引用文件的引用關(guān)系建立標(biāo)準(zhǔn)引用網(wǎng)絡(luò)G1及提取其最大連通子圖G2。經(jīng)統(tǒng)計(jì)和數(shù)據(jù)擬合，對G1和G2的度分布均擬合為冪律分布，分別為p(k)= 0 .5576k-1.671和p(k)= 0 .5668k-1.658，冪指數(shù)γ分別為γ1= 1.671，γ2=1.658，即為異質(zhì)網(wǎng)絡(luò)。因此，利用標(biāo)準(zhǔn)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)集合和連邊結(jié)構(gòu)的不同，該網(wǎng)絡(luò)可以被劃分成多個(gè)規(guī)格不一的小社團(tuán)。

為排除連通性對結(jié)構(gòu)的影響，本文基于標(biāo)準(zhǔn)引用網(wǎng)絡(luò)的最大連通子圖G2中引入BGLL社團(tuán)檢測算法，基于網(wǎng)絡(luò)的節(jié)點(diǎn)、連邊和鄰接矩陣等信息，以模塊度增益為度量標(biāo)準(zhǔn)，進(jìn)行自動(dòng)劃分，結(jié)果輸出24個(gè)標(biāo)準(zhǔn)社團(tuán)。各社團(tuán)對應(yīng)標(biāo)準(zhǔn)數(shù)量分布情況，如圖2所示。

圖2 標(biāo)準(zhǔn)社團(tuán)劃分結(jié)果分布圖

再利用Jieba分詞和TF-IDF算法，針對各社團(tuán)內(nèi)的標(biāo)準(zhǔn)名稱，進(jìn)行匹配度計(jì)算。以G2所涉及的所有標(biāo)準(zhǔn)主題為語料庫，以每個(gè)社團(tuán)中包含的標(biāo)準(zhǔn)主題建立相應(yīng)文檔dj，對文檔中的詞組進(jìn)行匹配度測算和數(shù)據(jù)統(tǒng)計(jì)，并假設(shè)以數(shù)據(jù)拐點(diǎn)為分界線，提取匹配度較高的關(guān)鍵詞，結(jié)合每個(gè)社團(tuán)中的標(biāo)準(zhǔn)文件集合和相應(yīng)關(guān)鍵詞，進(jìn)行人工標(biāo)記，并匯總為表1。

表1 社團(tuán)關(guān)鍵詞及主題匯總

其中，序號15的社團(tuán)中僅包含標(biāo)準(zhǔn)文件GB/T 5226.1《工業(yè)機(jī)械電氣設(shè)備 第1部分：通用技術(shù)條件》，將其納入“通用技術(shù)條件”子體系。序號10和23中涉及標(biāo)準(zhǔn)數(shù)量較少，且標(biāo)準(zhǔn)文件標(biāo)題尚未發(fā)現(xiàn)匹配度較高的關(guān)鍵詞。序號19和24社團(tuán)中的標(biāo)準(zhǔn)與材料的焊接有關(guān)，屬于工業(yè)機(jī)器人產(chǎn)業(yè)鏈上游的原材料工藝領(lǐng)域。因此，上述社團(tuán)的標(biāo)準(zhǔn)暫不參與本次標(biāo)準(zhǔn)體系構(gòu)建。

之后，結(jié)合《國家機(jī)器人標(biāo)準(zhǔn)體系建設(shè)指南》中的機(jī)器人體系框架，對上述社團(tuán)進(jìn)行梳理，補(bǔ)充標(biāo)準(zhǔn)體系基層結(jié)構(gòu)，如圖3所示?；A(chǔ)標(biāo)準(zhǔn)子體系中，發(fā)現(xiàn)了與工業(yè)機(jī)器人部件相關(guān)的“機(jī)械制圖”子體系。檢測評定方法中，發(fā)現(xiàn)了功能和性能、電磁兼容、安全和質(zhì)量檢測等子體系。零部件中，發(fā)現(xiàn)了滾動(dòng)軸承、電力配置、減速器和傳感器4個(gè)子體系。整機(jī)中，僅發(fā)現(xiàn)了“通用技術(shù)條件”子體系及相關(guān)標(biāo)準(zhǔn)。系統(tǒng)集成中，發(fā)現(xiàn)通信規(guī)范、無線電和控制局域網(wǎng)3個(gè)子體系。

圖3 工業(yè)機(jī)器人標(biāo)準(zhǔn)體系結(jié)構(gòu)圖

基于工業(yè)機(jī)器人標(biāo)準(zhǔn)研制現(xiàn)狀，通過實(shí)證分析說明了在以產(chǎn)品名稱為關(guān)鍵詞，并以標(biāo)準(zhǔn)間的規(guī)范性引用關(guān)系，而建立的標(biāo)準(zhǔn)引用網(wǎng)絡(luò)模型基礎(chǔ)上，可以利用大數(shù)據(jù)技術(shù)、復(fù)雜網(wǎng)絡(luò)技術(shù)等，利用數(shù)學(xué)模型和算法來實(shí)現(xiàn)標(biāo)準(zhǔn)集合自動(dòng)劃分，服務(wù)標(biāo)準(zhǔn)體系構(gòu)建，為標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型提供技術(shù)支持。

4.結(jié)論

本文在“工業(yè)機(jī)器人”相關(guān)標(biāo)準(zhǔn)集合，以規(guī)范性引用關(guān)系而建立的標(biāo)準(zhǔn)引用網(wǎng)絡(luò)基礎(chǔ)上，通過設(shè)計(jì)數(shù)學(xué)模型引入BGLL社團(tuán)發(fā)現(xiàn)算法，實(shí)現(xiàn)了標(biāo)準(zhǔn)集合重新劃分；后借助Jieba分詞和TF-IDF關(guān)鍵詞匹配技術(shù)，識別了各標(biāo)準(zhǔn)集合的主題，從而形成了工業(yè)機(jī)器人標(biāo)準(zhǔn)體系結(jié)構(gòu)圖。整個(gè)模型實(shí)現(xiàn)了對現(xiàn)有標(biāo)準(zhǔn)的自動(dòng)劃分，服務(wù)和完善標(biāo)準(zhǔn)體系構(gòu)建，初步解決了批量處理海量標(biāo)準(zhǔn)數(shù)據(jù)信息的難題，弱化了長期以來對專家知識和經(jīng)驗(yàn)的主觀依賴，針對標(biāo)準(zhǔn)體系動(dòng)態(tài)更新維護(hù)及時(shí)性和有效性提出了數(shù)字化解決思路。本模型目前僅依靠現(xiàn)有標(biāo)準(zhǔn)基礎(chǔ)，因此，將進(jìn)一步思考標(biāo)準(zhǔn)的強(qiáng)關(guān)聯(lián)性，優(yōu)化標(biāo)準(zhǔn)集合劃分原則，豐富測算指標(biāo)，力求建立更科學(xué)合理、貼近實(shí)際情況的智能化標(biāo)準(zhǔn)體系構(gòu)建模型，為我國的標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型提供技術(shù)支持。