劉鵬程，孫林夫+

(1.西南交通大學(xué) 計算機與人工智能學(xué)院，四川 成都 610031； 2.西南交通大學(xué) 制造業(yè)產(chǎn)業(yè)鏈協(xié)同與信息化支撐技術(shù)四川省重點實驗室，四川 成都 610031)

1 問題的提出

隨著信息技術(shù)的發(fā)展，基于云平臺的網(wǎng)絡(luò)化協(xié)同模式逐漸成為服務(wù)價值鏈運營和管控的重要手段[1]。云平臺突破了制造企業(yè)與服務(wù)企業(yè)業(yè)務(wù)協(xié)同的空間和時間限制[2]，制造企業(yè)可以通過云平臺與地理分散的服務(wù)企業(yè)進行業(yè)務(wù)協(xié)同和信息交互，提升了制造企業(yè)對服務(wù)價值鏈的運營和管控水平[3-4]。相對于私有云平臺，依托第三方云平臺的網(wǎng)絡(luò)化協(xié)同模式可以同時為多條服務(wù)價值鏈提供業(yè)務(wù)協(xié)同服務(wù)，具有更多的業(yè)務(wù)參與者和更強的資源匯聚能力。

(1)平臺決策支持能力不足 第三方云平臺側(cè)重于業(yè)務(wù)協(xié)同流程管理，即控制業(yè)務(wù)信息流轉(zhuǎn)，缺乏數(shù)據(jù)向知識的轉(zhuǎn)化能力，導(dǎo)致平臺對業(yè)務(wù)運行的決策支持能力不足。

(2)平臺數(shù)據(jù)資源閑置 在服務(wù)價值鏈業(yè)務(wù)協(xié)同過程中，第三方平臺積累了大量多鏈業(yè)務(wù)數(shù)據(jù)資源，然而多數(shù)數(shù)據(jù)分散閑置，并未得到有效利用，亟待挖掘潛在價值。

(3)多鏈連接亟待打通 第三方云平臺雖然連接多條服務(wù)價值鏈，匯聚多方資源，但是并未打通服務(wù)價值鏈內(nèi)外各個價值節(jié)點間的橫向連接，信息與知識并未在多鏈范圍內(nèi)流動，網(wǎng)絡(luò)效應(yīng)未完全激發(fā)。

針對上述問題，如何挖掘數(shù)據(jù)資源潛力，提升知識轉(zhuǎn)化和共享能力，已經(jīng)成為支持業(yè)務(wù)決策、進一步激發(fā)網(wǎng)絡(luò)效應(yīng)的重要途經(jīng)之一。知識圖譜[5]為基于概念和實體關(guān)系的語義知識庫[6-7]，是實現(xiàn)數(shù)據(jù)和知識組織的一種技術(shù)[8]，有助于理解和管理信息[9]。本文通過研究服務(wù)價值鏈多鏈知識圖譜的構(gòu)建，用集成分散的多鏈數(shù)據(jù)資源抽取多鏈知識，以充分發(fā)掘數(shù)據(jù)價值，實現(xiàn)知識共享，持續(xù)地支持多鏈服務(wù)業(yè)務(wù)決策，具體目標(biāo)如下：

(1)實現(xiàn)服務(wù)價值鏈多鏈知識共享化 通過將第三方云平臺上各服務(wù)價值鏈的業(yè)務(wù)信息歸納到統(tǒng)一的知識體系下，打通多價值鏈各節(jié)點間的數(shù)據(jù)，構(gòu)建統(tǒng)一的數(shù)據(jù)模式，表達一致的語義信息，實現(xiàn)多鏈知識的融合與共享，從而產(chǎn)生更大的價值。

(2)實現(xiàn)業(yè)務(wù)決策智能化 基于服務(wù)價值鏈多鏈知識圖譜，利用知識、數(shù)據(jù)和業(yè)務(wù)融合驅(qū)動業(yè)務(wù)運營，基于知識圖譜的查詢、分析和推理能力進行知識發(fā)現(xiàn)和挖掘，實現(xiàn)對各重要流程節(jié)點業(yè)務(wù)決策的支持。

(3)實現(xiàn)知識應(yīng)用持續(xù)化 通過第三方云平臺匯聚業(yè)務(wù)數(shù)據(jù)資源，將數(shù)據(jù)資源轉(zhuǎn)化為可共享的知識，支持多條服務(wù)價值鏈的業(yè)務(wù)決策；業(yè)務(wù)決策產(chǎn)生的數(shù)據(jù)則匯聚到平臺上轉(zhuǎn)化為新的共享知識，形成知識應(yīng)用閉環(huán)，從而持續(xù)產(chǎn)生知識。如圖2所示。

針對上述目標(biāo)，基于第三方云平臺多服務(wù)價值鏈的業(yè)務(wù)特點和需求，圍繞知識圖譜構(gòu)建的各個環(huán)節(jié)提出相應(yīng)的解決方案，主要研究內(nèi)容如下：

(1)服務(wù)價值鏈多鏈知識圖譜的概念 服務(wù)價值鏈系統(tǒng)中存在多種概念，從服務(wù)業(yè)務(wù)、服務(wù)資源和產(chǎn)品等維度出發(fā)，構(gòu)建基于第三方云平臺的服務(wù)價值鏈多鏈知識體系，形成規(guī)范統(tǒng)一的多鏈知識；建立了面向服務(wù)價值鏈多鏈環(huán)境下的知識圖譜整體構(gòu)建框架，以實現(xiàn)對服務(wù)價值鏈內(nèi)外分散知識的組織、序化和統(tǒng)一，為服務(wù)價值鏈的業(yè)務(wù)提供決策支持。

(2)服務(wù)價值鏈多鏈知識圖譜的知識 服務(wù)價值鏈多鏈知識圖譜為領(lǐng)域知識圖譜，具有較強的專業(yè)性和針對性，對知識準(zhǔn)確性有較高要求。在知識圖譜構(gòu)建過程中，為保證知識的準(zhǔn)確性，對知識進行一致性檢測和補全，基于此本文設(shè)計了基于二階段的知識模型構(gòu)建方法，通過一階段求解初始模型、二階段求解精確模型，完成知識圖譜模型的構(gòu)建。

(3) 服務(wù)價值鏈多鏈知識圖譜的存儲 針對知識圖譜模型存儲問題，設(shè)計了基于兩級Map結(jié)構(gòu)的知識圖譜轉(zhuǎn)存方法。

(4) 服務(wù)價值鏈多鏈知識圖譜的構(gòu)建與應(yīng)用示例 基于第三方云平臺數(shù)據(jù)資源構(gòu)建服務(wù)價值鏈業(yè)務(wù)知識圖譜，以驗證服務(wù)價值鏈多鏈知識圖譜構(gòu)建方法的可行性，展示了基于該方法研發(fā)的服務(wù)價值鏈故障維修知識圖譜構(gòu)建與應(yīng)用系統(tǒng)示例。

2 服務(wù)價值多鏈知識圖譜總體框架

2.1 服務(wù)價值鏈多鏈知識圖譜模型

服務(wù)價值鏈多知識圖譜模型形式化表示為KG=〈T,A〉，其中T表示模型的模式層，A表示模型的實例層。模式層定義領(lǐng)域概念及其關(guān)系，通過模式層管理和組織實例層，完善實例層知識，并對實例層進行規(guī)范和約束。通常利用本體對模式層進行建模，通過本體描述概念及其關(guān)系(概念與概念屬性)形成公理知識；實例層由實體及其關(guān)系(實體與實體屬性)構(gòu)成，用于描述事實性知識。

當(dāng)前知識圖譜在制造業(yè)服務(wù)環(huán)節(jié)[10-12]的研究主要涉及對產(chǎn)品故障和維修知識的組織，集中在對單個產(chǎn)品的診斷和維護中，其數(shù)據(jù)源和功能相對單一，忽略了服務(wù)環(huán)節(jié)中其他業(yè)務(wù)概念及其關(guān)系的知識，本文將關(guān)聯(lián)服務(wù)價值鏈中的多種業(yè)務(wù)概念和實例，更加完整地組織服務(wù)價值鏈業(yè)務(wù)知識體系，如圖3中所示。

本文將模式層分為全局核心概念層和局部擴展概念層，如圖3所示。在全局核心概念層中，對全局核心概念及其關(guān)系進行定義，形成服務(wù)價值鏈多鏈間統(tǒng)一和規(guī)范的頂層共享概念，避免共享概念在價值鏈間重復(fù)定義；在局部擴展概念層中，針對各服務(wù)價值鏈的特有概念，對全局核心概念進行擴展和繼承。在實例層中，實例個體概念和關(guān)系均依賴模式層中概念和關(guān)系的定義，通過抽取服務(wù)價值鏈多鏈數(shù)據(jù)形成實例層知識。

本文通過映射關(guān)系將實例層和模式層進行關(guān)聯(lián)，形成統(tǒng)一的多鏈知識模型框架，并利用該知識模型框架實現(xiàn)服務(wù)價值鏈多鏈知識組織。

2.2 服務(wù)價值鏈多鏈知識圖譜構(gòu)建框架

知識圖譜的構(gòu)建一般包括自頂向下和自底向上兩種方式[13]，這兩種方式的選擇主要取決于數(shù)據(jù)源。當(dāng)數(shù)據(jù)質(zhì)量較高且擁有規(guī)范模式時，可以采用自頂向下的方法[14]，利用確定的模式構(gòu)建知識圖譜；當(dāng)數(shù)據(jù)沒有規(guī)范模式時，可以采用自底向上的方法，通過實體識別、關(guān)系抽取等技術(shù)提取數(shù)據(jù)模式來構(gòu)建知識圖譜。另外，可將兩種方式融合來構(gòu)建知識圖譜，文獻[15]通過本體建模構(gòu)建知識圖譜的概念模式層，然后從多個數(shù)據(jù)源中抽取數(shù)據(jù)構(gòu)建實例層，最后通過在概念模式與數(shù)據(jù)之間建立映射關(guān)系形成知識圖譜。本文采用自頂向下的方式構(gòu)建服務(wù)價值鏈多鏈知識圖譜。

知識圖譜模型架構(gòu)設(shè)計側(cè)重于對模式層概念的表示和組織，并基于模式層中的全局和局部概念控制知識圖譜模型的構(gòu)建過程。針對該構(gòu)建過程，本文提出服務(wù)價值鏈多鏈知識圖譜構(gòu)建框架及相關(guān)方法組織多鏈知識，該構(gòu)建框架如圖4所示，主要包括數(shù)據(jù)集成、知識建模和知識存儲3部分。

(1)數(shù)據(jù)集成 基于模式層概念及其關(guān)系構(gòu)建統(tǒng)一數(shù)據(jù)模式形成全局視圖，集成多源異構(gòu)的服務(wù)價值鏈數(shù)據(jù)(如圖4中的操作數(shù)據(jù)層)進行知識抽取，形成實體數(shù)據(jù)庫。

(2)知識建模 通過兩個階段求解知識模型：①建立模式層和實體數(shù)據(jù)庫的映射，形成初始知識模型；②求解出規(guī)范和完整的精確知識模型?；谥R模型的模式層和實例層組織知識，改變原有數(shù)據(jù)的組織形式，實現(xiàn)對多鏈知識的描述和序列化。

(3)知識存儲 本文將精確知識模型存入圖數(shù)據(jù)庫，實現(xiàn)知識圖譜落地，提出一種知識圖譜轉(zhuǎn)存算法，同時實現(xiàn)序列化知識模型到圖數(shù)據(jù)庫的存儲，以便對知識進行管理和計算。

3 服務(wù)價值鏈多鏈知識表示與建模

3.1 服務(wù)價值鏈多鏈知識模型的模式層知識表示

服務(wù)價值鏈多鏈知識表示側(cè)重于構(gòu)建統(tǒng)一規(guī)范的概念描述，基于對服務(wù)業(yè)務(wù)的分析和梳理，以服務(wù)價值鏈中的共性概念及其關(guān)系為基礎(chǔ)構(gòu)建模式層。

3.1.1 全局核心概念

描述邏輯建立在事實概念和關(guān)系之上，具有較強的表達能力，適用于通過概念分類表示領(lǐng)域知識，其中概念可以解釋為對象集合，關(guān)系指對象之間的二元關(guān)系。本文利用描述邏輯對模型的模式層概念及其關(guān)系進行形式化描述，實現(xiàn)對服務(wù)價值鏈多鏈知識的統(tǒng)一表示。

全局核心概念層主要包括6個頂層服務(wù)價值鏈實體概念ValueChainEntity，分別為服務(wù)業(yè)務(wù)概念ServiceBusiness、服務(wù)業(yè)務(wù)流程概念ServiceBusinessProcess、服務(wù)業(yè)務(wù)資源概念ServiceBusinessResource、產(chǎn)品概念Product、客戶概念Customer和地點概念Location，各概念間不相交。服務(wù)業(yè)務(wù)頂層概念間存在較多關(guān)聯(lián)關(guān)系，大致歸納為業(yè)務(wù)與業(yè)務(wù)流程、業(yè)務(wù)流程與業(yè)務(wù)資源、客戶與產(chǎn)品等概念之間的關(guān)聯(lián)關(guān)系。

(1)服務(wù)業(yè)務(wù)實體概念

服務(wù)業(yè)務(wù)概念ServiceBusiness是整個服務(wù)價值鏈的主體部分，面向服務(wù)業(yè)務(wù)需求，核心企業(yè)和服務(wù)企業(yè)協(xié)同推動業(yè)務(wù)執(zhí)行，所定義的服務(wù)業(yè)務(wù)概念主要包括保養(yǎng)業(yè)務(wù)MaintenanceBusiness、索賠業(yè)務(wù)(主要指三包期內(nèi)的維修業(yè)務(wù))ClaimBusiness和舊件業(yè)務(wù)OldPartBusiness 3種，各個服務(wù)業(yè)務(wù)概念間不相交。保養(yǎng)業(yè)務(wù)和索賠業(yè)務(wù)直接面向客戶，為客戶提供產(chǎn)品的售后服務(wù)；舊件業(yè)務(wù)為保養(yǎng)和維修的后序業(yè)務(wù)，實現(xiàn)對舊件資源的管理。

(2)業(yè)務(wù)資源實體概念

服務(wù)業(yè)務(wù)資源ServiceBusinessResource指維持業(yè)務(wù)流程運轉(zhuǎn)所需的資源，包括業(yè)務(wù)活動中人力、物力和信息等要素以及各要素的組合，基于資源在業(yè)務(wù)活動中的流動方向，業(yè)務(wù)資源可以分為輸入業(yè)務(wù)資源和輸出業(yè)務(wù)資源，輸入業(yè)務(wù)資源指業(yè)務(wù)流程運行過程中需要消耗的人力、物力和信息等要素，輸出業(yè)務(wù)資源指業(yè)務(wù)流程運行過程中需要產(chǎn)生的物力和信息等要素。服務(wù)價值鏈中的業(yè)務(wù)資源包括組織類業(yè)務(wù)資源OrganizationResource、物料類業(yè)務(wù)資源MaterialResource和信息類業(yè)務(wù)資源InformationResource，分別對應(yīng)人力、物力和信息要素。

1)組織類業(yè)務(wù)資源概念

組織類業(yè)務(wù)資源指參與到價值鏈流程運行中的企業(yè)Enterprise和該企業(yè)中的人力資源HumanResource，由于服務(wù)價值鏈中的業(yè)務(wù)流程是一類跨企業(yè)邊界的業(yè)務(wù)流程，流程的參與者為來自多個企業(yè)的多部門人員。從服務(wù)價值鏈業(yè)務(wù)協(xié)同的宏觀角度看，開展服務(wù)業(yè)務(wù)協(xié)同的企業(yè)分為核心企業(yè)與協(xié)同企業(yè)兩類；從企業(yè)角度看，服務(wù)價值鏈中的核心企業(yè)與業(yè)務(wù)協(xié)同企業(yè)(服務(wù)企業(yè))由不同概念類組成，例如在汽車行業(yè)中，核心企業(yè)包括發(fā)動機制造廠、汽車制造廠等中上游制造企業(yè)，業(yè)務(wù)協(xié)同企業(yè)包括與其進行業(yè)務(wù)協(xié)同的4S店、服務(wù)商等服務(wù)企業(yè)；從業(yè)務(wù)人員角度看，組織資源包括各單位內(nèi)部參與業(yè)務(wù)活動的人員，如服務(wù)站內(nèi)部與核心企業(yè)對接業(yè)務(wù)的索賠專員、制造企業(yè)內(nèi)部審核索賠單的業(yè)務(wù)人員。

2)物料類業(yè)務(wù)資源概念

物料類業(yè)務(wù)資源MaterialResource指服務(wù)價值鏈流程中涉及的物料類資源，基于物料資源的流動方向?qū)⑽锪项悩I(yè)務(wù)資源分為輸入類物料業(yè)務(wù)資源InputMaterialResource和輸出類物料業(yè)務(wù)資源OutputMaterialResource。輸入類物料業(yè)務(wù)資源主要指業(yè)務(wù)流程運行過程中消耗的物料，例如維修活動中的配件業(yè)務(wù)資源為一類重要的輸入物料業(yè)務(wù)資源，配件概念體系在產(chǎn)品領(lǐng)域中具有一定的通用性，構(gòu)建統(tǒng)一的配件概念組織體系對知識圖譜跨鏈知識共享具有重要意義；輸出類物料業(yè)務(wù)資源主要指業(yè)務(wù)流程運行過程中產(chǎn)生的物料，例如在維修過程中會用新配件替換故障件，此時產(chǎn)生的舊件OldPart即為當(dāng)前流程產(chǎn)生的物料資源。輸入與輸出物料間也存在一定關(guān)聯(lián)關(guān)系，如舊件與配件類概念之間的關(guān)系OldPart?normalPart.Part。

3)信息類業(yè)務(wù)資源概念

信息類業(yè)務(wù)資源InformationResource指服務(wù)價值鏈流程運行中涉及的信息資源，同樣基于資源流動方向分為輸入類信息業(yè)務(wù)資源InputInformationResource和輸出類信息業(yè)務(wù)資源OutputInformationResource。例如在索賠業(yè)務(wù)流程中，維修人員使用的維修手冊即為信息類業(yè)務(wù)資源，這些知識為當(dāng)前業(yè)務(wù)流程的輸入信息資源。在完成產(chǎn)品維修后，服務(wù)企業(yè)會向制造廠(核心企業(yè))提交索賠單，其中記錄了維修活動的相關(guān)信息，此時索賠單即為當(dāng)前業(yè)務(wù)流程的輸出信息資源。

(3)業(yè)務(wù)流程實體概念

業(yè)務(wù)流程是服務(wù)價值鏈的核心概念，基于兩端三方的基本組織關(guān)系，業(yè)務(wù)流程概念組織和關(guān)聯(lián)價值鏈中涉及的諸多重要實體，通過分析服務(wù)業(yè)務(wù)流程選取服務(wù)價值鏈中的核心流程作為全局概念。以索賠業(yè)務(wù)流程ClaimBusinessProcess為例，給出相關(guān)概念及其關(guān)系描述，基于索賠業(yè)務(wù)流程將產(chǎn)品、客戶和業(yè)務(wù)資源等概念進行關(guān)聯(lián)，式(1)～式(12)為索賠業(yè)務(wù)流程與關(guān)聯(lián)概念的部分公理描述，包括索賠業(yè)務(wù)流程中消耗和產(chǎn)生的業(yè)務(wù)資源。

ClaimBusinessProcess?ServiceBusinessProcess；

(1)

ClaimBusinessProcess??processe.ClaimBusiness；

(2)

RepairArchive?InputInformationResource∪
OutputInformationResource；

(3)

Part?InputMaterialResource∩
?partOfComponent.Component；

(4)

OldPart?OutputMaterialResource∩
normalPart.Part；

(5)

ClaimBusinessDocument?
OutputInformationResource；

(6)

ClaimBusinessProcess?
?comsume.RepairArchive；

(7)

ClaimBusinessProcess??generate.
ClaimBusinessDocument；

(8)

ClaimBusinessProcess??generate.RepairArchive；

(9)

ClaimBusinessProcess??comsume.Part；

(10)

ClaimBusinessProcess??generate.OldPart；

(11)

ClaimBusinessProcess??comsume.
HumanResource。

(12)

(4)其他實體概念

1)地點實體概念

地點概念描述空間信息，用于關(guān)聯(lián)業(yè)務(wù)活動、企業(yè)等概念。設(shè)Location為地點實體頂層概念，其對省、地級市等相關(guān)地點概念的定義為Province?Location，City?Location，City?≥1inProvinceOf.Province∩≤1inProvinceOf.Province，其中Province為省級地點概念，City為地級市地點概念，知識圖譜模型利用地點實體概念組織相關(guān)地點概念。

2)產(chǎn)品及客戶實體概念

產(chǎn)品概念Product為業(yè)務(wù)流程服務(wù)的對象，知識圖譜模型基于Product概念組織相關(guān)概念，例如將整車產(chǎn)品Automobile定義為Automobile?Product；同時，產(chǎn)品概念與其他類實體概念也存在關(guān)聯(lián)，例如客戶Customer為產(chǎn)品Product的所有者，客戶購買產(chǎn)品Customer??purchase.Product將產(chǎn)品與客戶關(guān)聯(lián)，另外產(chǎn)品Product與服務(wù)業(yè)務(wù)流程等概念也存在關(guān)聯(lián)。

3.1.2 局部擴展概念

全局核心概念層實現(xiàn)了對服務(wù)價值鏈全局共享概念及其關(guān)系的表示和組織，但部分服務(wù)價值鏈存在特有實體概念，這些特有實體概念及其關(guān)系可基于全局核心概念層進行擴展。從概念劃分粒度分析，全局核心概念層是在歸納服務(wù)價值鏈中的實體概念及其關(guān)聯(lián)概念的基礎(chǔ)上形成的抽象概念，局部擴展概念是在全局核心概念基礎(chǔ)上實現(xiàn)的更細粒度的概念分類組織。

在圖3中，全局概念協(xié)作企業(yè)CollaborativeEnterprise可以直接作為數(shù)據(jù)層實例關(guān)聯(lián)的概念，CollaborativeEnterprise(cei)表示cei為協(xié)作企業(yè)的實例，當(dāng)對協(xié)作企業(yè)概念進行擴展后，如添加配件供應(yīng)商概念PartSupplier?CollaborativeEnterprise，可以利用PartSupplier(cei)將實例cei表示為更加具體的概念。在圖3的索賠流程中，不同服務(wù)價值鏈中圍繞索賠核心流程會設(shè)計一些輔助流程，例如某些制造廠針對三包期內(nèi)的業(yè)務(wù)活動會特定地設(shè)計一些業(yè)務(wù)流程，可以將該類流程包含于全局核心概念的特殊申請流程中，定義在擴展概念層，以減少對全局核心概念層的影響。

3.2 服務(wù)價值鏈多鏈知識建模

本文基于服務(wù)價值鏈多鏈知識圖譜的兩層框架結(jié)構(gòu)，通過集成分散的異構(gòu)數(shù)據(jù)構(gòu)建實體數(shù)據(jù)集，利用兩個階段求解出規(guī)范和完整的精確知識模型。

3.2.1 構(gòu)建實體數(shù)據(jù)集

服務(wù)價值鏈中核心企業(yè)與服務(wù)企業(yè)的業(yè)務(wù)協(xié)同數(shù)據(jù)是構(gòu)建服務(wù)價值鏈多鏈知識圖譜的主要數(shù)據(jù)源，基于模式層中涉及的實體、關(guān)系和屬性概念對數(shù)據(jù)進行篩選，確定各局部數(shù)據(jù)源與全局統(tǒng)一數(shù)據(jù)模式對應(yīng)的映射關(guān)系，從服務(wù)價值鏈多鏈數(shù)據(jù)中抽取和集成實體數(shù)據(jù)，構(gòu)建實體數(shù)據(jù)集。

基于上述定義對數(shù)據(jù)集成過程進行描述，并基于各數(shù)據(jù)源的局部模式和全局模式，利用Cut操作和Join操作進行數(shù)據(jù)抽取，實現(xiàn)業(yè)務(wù)操作數(shù)據(jù)與實例數(shù)據(jù)的映射，構(gòu)建實體數(shù)據(jù)集，圖5所示為該過程的一個簡單案例展示，多個數(shù)據(jù)源經(jīng)過Cut操作、Cut和Join混合操作實現(xiàn)集成，具體流程如下：

步驟1設(shè)源于多個業(yè)務(wù)系統(tǒng)數(shù)據(jù)形成的操作數(shù)據(jù)層為s，價值鏈i的數(shù)據(jù)源為si，例如圖4中操作數(shù)據(jù)層共有k個數(shù)據(jù)源{s1,s2,…,sk}。

步驟2根據(jù)目標(biāo)實體數(shù)據(jù)，設(shè)抽取實體的全局統(tǒng)一數(shù)據(jù)模式為{ψt1,ψt2,…,ψtg}，tg為實體類型數(shù)目，基于全局?jǐn)?shù)據(jù)模式確定各局部數(shù)據(jù)源與其對應(yīng)的映射關(guān)系及相應(yīng)的抽取操作。

3.2.2 二階段求解知識圖譜模型

服務(wù)價值鏈多鏈知識圖譜作為一種領(lǐng)域知識圖譜深入到某個領(lǐng)域，其知識具有較強的專業(yè)性和針對性，對知識準(zhǔn)確性有較高要求[16-17]。為保證知識準(zhǔn)確性，在求解知識圖譜模型的過程中，對知識進行一致性檢測和補全，以保證形成精確的知識模型。在服務(wù)價值鏈多鏈數(shù)據(jù)集成過程中，以目標(biāo)實體數(shù)據(jù)模式作為全局統(tǒng)一模式，抽取實體數(shù)據(jù)，這些實體數(shù)據(jù)為實例層知識模型的數(shù)據(jù)源，知識模型的求解過程如圖6所示，具體步驟如下：

(1)一階段求解——構(gòu)建初始模型

步驟1基于服務(wù)價值鏈多鏈知識表示獲取模式層概念及其關(guān)系的語義信息，基于Web本體描述語言(Web Ontology Language，OWL)構(gòu)建模式層本體模型。

步驟2首先，以實體數(shù)據(jù)庫為數(shù)據(jù)源，建立實體數(shù)據(jù)與知識模型實例層的映射關(guān)系；其次，基于實體數(shù)據(jù)類型形成實體層概念集合；再次，構(gòu)造實體數(shù)值屬性，設(shè)定實體數(shù)值屬性名稱及值類型，構(gòu)造實體關(guān)系屬性，設(shè)定實體間關(guān)系名稱及類型；最后，基于實體數(shù)值屬性和實體關(guān)系屬性，構(gòu)造實體及其關(guān)系集合，形成實例層模型，實現(xiàn)對知識元的抽取。

步驟3建立概念與實例的映射關(guān)系，關(guān)聯(lián)模式層模型與實例層模型，將模式層與實例層知識融合，形成初始模型。

(2)二階段求解——構(gòu)建精確模型

步驟4對初始知識模型的知識進行一致性檢測，包括可滿足性檢測、實例檢測和概念包含檢測。其中，可滿足性檢測是對知識庫的一致性進行檢測，以判斷知識庫是否存在錯誤；實例檢測用于判斷實例層中的實體是否為概念的實例；概念包含檢測用于判斷概念間的包含關(guān)系，即判斷概念間的包含關(guān)系是否為知識模型的邏輯結(jié)論。

步驟5在知識模型一致性檢測過程中，對模型中的知識進行推理，發(fā)現(xiàn)概念間的包含關(guān)系，從而推理出實例層實體對應(yīng)的所有概念。

步驟6將推理所得的新知識與知識模型的現(xiàn)有知識進行融合，形成新模型，同時利用OWL數(shù)據(jù)模式序列化知識模型求解出精確知識模型。

3.3 面向圖結(jié)構(gòu)數(shù)據(jù)庫的知識圖譜存儲

基于二階段求解出知識圖譜模型，為取得更優(yōu)的查詢和存儲性能，將知識圖譜模型轉(zhuǎn)存入neo4j圖數(shù)據(jù)庫形成知識圖譜。文獻[17]提出通過在OWL本體模型與neo4j圖數(shù)據(jù)庫之間創(chuàng)建映射關(guān)系實現(xiàn)知識圖譜存儲的方法；文獻[18]提出一種知識圖譜轉(zhuǎn)存算法，通過解析RDF文件，基于解析結(jié)果在neo4j圖數(shù)據(jù)庫中創(chuàng)建知識圖譜節(jié)點和關(guān)系，然而該算法在運行過程中需要多次判斷節(jié)點的存在性，影響了存儲性能。本文提出一種基于兩級Map結(jié)構(gòu)的知識圖譜轉(zhuǎn)存算法(Two Level MapTransform Store, TLMTS)進行知識圖譜模型到neo4j圖數(shù)據(jù)庫的存儲，算法通過解析知識模型構(gòu)建兩級Map數(shù)據(jù)結(jié)構(gòu)形成模型的實體集和關(guān)系集，從而減少運行過程中對節(jié)點存在性的判斷，提升轉(zhuǎn)存性能。算法過程如圖7所示。

步驟1解析知識圖譜模型數(shù)據(jù)模式，抽取實體數(shù)值屬性和實體間的關(guān)系形成實體數(shù)據(jù)集和實體關(guān)系集。實體集合中包含二級Map結(jié)構(gòu)，其中第一級以實體uri為鍵值，以實體屬性關(guān)系為值，形成全局唯一實體集合，以同樣的數(shù)據(jù)結(jié)構(gòu)形成關(guān)系二級Map結(jié)構(gòu)集合。

步驟2讀取二級Map結(jié)構(gòu)中的實體集合，在neo4j數(shù)據(jù)庫中創(chuàng)建實體節(jié)點，然后遍歷實體集合，將實體節(jié)點插入數(shù)據(jù)庫，可以用Map結(jié)構(gòu)確保實體的唯一性，不用再判斷節(jié)點的存在性。

步驟3結(jié)束實體集合讀取后，通過遍歷實體關(guān)系集合，插入節(jié)點關(guān)系，在neo4j數(shù)據(jù)庫中創(chuàng)建實體間的節(jié)點關(guān)系。遍歷實體關(guān)系集合后，整個存儲流程結(jié)束，完成知識圖譜模型到neo4j圖數(shù)據(jù)庫的存儲。

4 案例分析

本文案例分為兩部分，以本文所提知識圖譜的構(gòu)建方法和框架為基礎(chǔ)，第1部分驗證知識圖譜構(gòu)建方法的可實現(xiàn)性，第2部分以第1部分的方法和工具為基礎(chǔ)，展示基于該方法研發(fā)的服務(wù)價值鏈多鏈知識圖譜和應(yīng)用案例，以驗證該構(gòu)建方法的有效性和實用性。

4.1 服務(wù)價值鏈知識圖譜的構(gòu)建方法

基于服務(wù)價值鏈多鏈知識圖譜的知識組織體系，以及知識圖譜的構(gòu)建框架和相關(guān)步驟，以服務(wù)價值鏈中索賠業(yè)務(wù)活動所涉及的概念和知識為主題構(gòu)建多鏈知識圖譜，驗證構(gòu)建方法的可行性。

4.1.1 服務(wù)業(yè)務(wù)實體數(shù)據(jù)集成

以第三方云平臺[1]累積的服務(wù)價值鏈多鏈數(shù)據(jù)為數(shù)據(jù)源構(gòu)建知識圖譜模型實例層，通過數(shù)據(jù)集成工具Kettle對多鏈實體數(shù)據(jù)進行集成，形成數(shù)據(jù)源。

如圖8所示為實體數(shù)據(jù)集成框架，包括數(shù)據(jù)源、數(shù)據(jù)集成和目標(biāo)數(shù)據(jù)3部分。圖8中以A和B兩條服務(wù)價值鏈的故障維修數(shù)據(jù)為數(shù)據(jù)源，其中服務(wù)價值鏈A的數(shù)據(jù)來自多個excel文件的維修檔案，服務(wù)價值鏈B的數(shù)據(jù)來自數(shù)據(jù)庫中的故障碼表、索賠單表和索賠舊件表，以目標(biāo)數(shù)據(jù)中的舊件和維修檔案實體數(shù)據(jù)模式為全局視圖進行數(shù)據(jù)集成。在數(shù)據(jù)集成形成實體數(shù)據(jù)的過程中，利用多步Cut和Join基本操作形成各數(shù)據(jù)源的局部視圖，通過構(gòu)建全局與局部視圖的映射實現(xiàn)A，B兩條服務(wù)價值鏈中舊件和維修檔案實體數(shù)據(jù)的集成。

4.1.2 一階段——初始模型求解

(1) 模式層建模

基于對面向索賠業(yè)務(wù)的服務(wù)價值鏈多鏈知識圖譜模型框架的分析，結(jié)合對多鏈知識組織體系，本文利用protégé工具構(gòu)建知識圖譜模型的模式層，知識圖譜模式層中的部分概念及其關(guān)系的定義如圖9所示。圖10中“A實體類概念”部分為模式層中的概念類，其基于6個頂層概念進行擴展，對索賠業(yè)務(wù)的相關(guān)概念，包括索賠業(yè)務(wù)相關(guān)的業(yè)務(wù)資源、產(chǎn)品、客戶和地點概念進行定義；“B實體關(guān)系”部分指實體概念間的關(guān)系，概念關(guān)系的定義主要涉及定義域和值域，圖10所示為索賠業(yè)務(wù)多鏈知識圖譜模式層概念間的關(guān)系；“C實體值關(guān)系”部分定義實體概念的值屬性。

(2)實例層建模

基于全局統(tǒng)一的多鏈實體數(shù)據(jù)庫抽取實體及其關(guān)系，本案例采用D2R[19-20]平臺從實體數(shù)據(jù)庫抽取知識。首先，生成實體數(shù)據(jù)與實例層映射關(guān)系，包括構(gòu)造實體概念、確定實體數(shù)據(jù)庫中實體數(shù)據(jù)的概念，例如利用d2rq:class vocab:RepairArchive設(shè)置實體概念為RepairArchive；其次，構(gòu)造實體數(shù)值屬性，確定實體數(shù)據(jù)的值屬性信息，例如利用d2rq:property vocab:repairArchiveCode構(gòu)造屬性repairArchiveCode，其類型為xsd:string；最后，構(gòu)造實體關(guān)系屬性，例如利用d2rq:join “dbo.Component.SystemCode =>dbo.System.SystemCode”設(shè)置實體概念Component與實體概念System之間存在的關(guān)聯(lián)關(guān)系。

基于實體數(shù)據(jù)與實例層的映射關(guān)系，從實體數(shù)據(jù)庫中抽取實體知識形成實例層知識模型，實例層的數(shù)據(jù)模型為一個三元組，表1所示為實體及數(shù)值屬性構(gòu)成的三元組模型。

表1 實體及數(shù)值屬性三元組模型

模型中的實體關(guān)系分為兩種類型(如表2)，這兩種類型均采用〈S,P,O〉三元組數(shù)據(jù)模型存儲實體關(guān)系信息，其中S表示定義域，P表示存在的映射關(guān)系，O表示值域。兩種類型的具體內(nèi)容如下：

(1)用于建立實體與模式層中概念的關(guān)系，如表2中的類型1，為維修檔案實體S與模式層維修檔案概念O建立類型映射關(guān)系P。

(2)用于建立實例層中各個實體間的關(guān)系，如表2中的類型2，為舊件實體S與維修檔案實體O建立實例間映射關(guān)系P。

表2 實例層關(guān)系類型

4.1.3 二階段——精確模型求解

通過融合實例層與模式層構(gòu)建初始知識模型。在二階段中利用推理機檢測模型中知識內(nèi)容的一致性，形成正確性較高的領(lǐng)域知識模型，同時對概念間的包含關(guān)系和實例類型進行推理，完善模型中的知識。

圖11所示為ClaimBusinessDocument，ClaimBusinessProcess，ServiceStation實例的所屬概念及概念間包含關(guān)系的推理結(jié)果。對關(guān)系間的包含關(guān)系進行推理，如圖11中的isLocation與cityLocation和areaLocation關(guān)系的推理，基于ServiceStation實例與City/5001實例在初始模型中存在的cityLocation關(guān)系，推理出ServiceStation實例與City/5001實例存在isLocation關(guān)系；在對逆關(guān)系的推理中，初始模型中的ClaimBusinessDocument實例和ClaimBusinessProcess實例存在isGeneratedBy關(guān)系，由于isGeneratedBy和generate互為逆關(guān)系，推斷ClaimBusinessProcess實例與ClaimBusinessDocument實例存在generate關(guān)系。

通過對知識圖譜模型中的知識進行上述推理，可以完成對初始模型的一致性檢測，并將推理發(fā)現(xiàn)的新知識融合到知識圖譜模型中，形成序列化的精確知識圖譜模型，從而實現(xiàn)對精確模型的求解。采用基于兩級Map結(jié)構(gòu)的知識圖譜轉(zhuǎn)存方法可以將索賠知識模型存儲到neo4j中，圖12所示為索賠知識圖譜中的部分實體節(jié)點及其關(guān)系，包括服務(wù)站、索賠單等實體及其關(guān)系。

4.2 服務(wù)價值鏈知識圖譜應(yīng)用示例

以索賠業(yè)務(wù)中的整車故障維修環(huán)節(jié)為基礎(chǔ)，基于服務(wù)價值鏈多鏈知識圖譜的構(gòu)建方法、過程和相關(guān)工具研發(fā)服務(wù)價值鏈多鏈知識圖譜的構(gòu)建與應(yīng)用系統(tǒng)，下面兩個應(yīng)用示例分別為基于服務(wù)價值鏈多鏈維修知識圖譜的故障診斷和基于服務(wù)價值鏈知識圖譜的維修服務(wù)搜索，總計約24.5萬個節(jié)點。

4.2.1 服務(wù)價值鏈多鏈維修知識圖譜

本節(jié)通過兩個有關(guān)故障維修的示例更加詳細地對服務(wù)價值鏈多鏈知識圖譜進行說明，包括具體示例的查詢和推理過程、相關(guān)界面的操作步驟，以展示知識圖譜在多鏈知識查詢和推理過程中發(fā)揮的作用。

(1)建立實體數(shù)據(jù)庫與知識圖譜的映射關(guān)系

以Kettle引擎為數(shù)據(jù)集成工具，形成構(gòu)建知識圖譜所需的實體數(shù)據(jù)源，即維修檔案實體數(shù)據(jù)庫。在本案例中，通過抽取索賠業(yè)務(wù)中的多鏈維修知識獲取多價值鏈的故障知識，通過組織整車故障診斷知識，在知識圖譜中形成統(tǒng)一的“系統(tǒng)←部件←配件←故障件←故障檔案”知識體系。基于4.1.1節(jié)的實例層數(shù)據(jù)生成方法，在構(gòu)建系統(tǒng)中進行映射配置并生成映射文件。圖13所示為服務(wù)價值鏈知識圖譜構(gòu)建系統(tǒng)的配置頁面，該頁面實現(xiàn)了各實體數(shù)據(jù)表與知識圖譜實體的映射、數(shù)據(jù)表字段和知識圖譜中實體屬性的映射，以及各個數(shù)據(jù)表之間關(guān)系與知識圖譜中各個實體間關(guān)系的映射，通過勾選表名篩選確定需要抽取的表數(shù)據(jù)。在圖13中，通過配置映射類名實現(xiàn)實體數(shù)據(jù)表與知識圖譜的實體映射，通過添加過濾器可以刪選實體數(shù)據(jù)，例如在圖13的系統(tǒng)映射配置界面中，將數(shù)據(jù)表OldPart配置中過濾器過濾條件VCName的屬性設(shè)置為vc_a，然后系統(tǒng)僅抽取價值鏈vc_a的數(shù)據(jù)。

(2)基于服務(wù)價值鏈多鏈知識圖譜的故障診斷

按照統(tǒng)一標(biāo)準(zhǔn)對多鏈中同語義概念進行集成，構(gòu)建統(tǒng)一的服務(wù)價值鏈多鏈概念體系，融合多鏈知識。融合過程如圖14所示，圖中以統(tǒng)一配件概念體系為全局的集成標(biāo)準(zhǔn)，對vc_a和vc_b兩條價值鏈中的故障知識進行集成和融合，該配件概念體系屬于概念I(lǐng)nputMaterialResource，包括系統(tǒng)、部件和配件3層結(jié)構(gòu)，其中系統(tǒng)層、部件層均對應(yīng)具體的標(biāo)準(zhǔn)概念，例如圖14的統(tǒng)一配件概念標(biāo)準(zhǔn)中的離合器概念位于系統(tǒng)層，離合器操縱機構(gòu)概念位于部件層，各價值鏈中具體的故障配件和相關(guān)故障知識實例則與該配件體系互聯(lián)，基于統(tǒng)一概念消除語義障礙，使多鏈間的知識查詢和共享成為可能。

基于知識圖譜中統(tǒng)一的“系統(tǒng)←部件←配件←故障件←故障檔案”知識組織體系，逐一融合各個層次的知識，形成多鏈知識，將知識共享范圍從單鏈擴展到多鏈，為故障診斷提供查詢和推理功能，針對該知識圖譜的查詢和推理過程具體如下：

1)獲取查詢內(nèi)容，如自然語言描述的故障現(xiàn)象“離合踏板不回位”。

2)通過語義分析模型對該輸入進行預(yù)處理，利用文本分類模型識別出文本中的部件/配件實體，規(guī)范實體名稱，確定搜索范圍，利用文本匹配模型在已確定的部件范圍內(nèi)對相關(guān)聯(lián)的故障檔案知識進行更精確的語義匹配.

3)對“系統(tǒng)←部件←配件←故障件←故障檔案”關(guān)聯(lián)節(jié)點進行查詢和推理操作。

4)返回關(guān)聯(lián)節(jié)點，包括哪些部件出現(xiàn)了問題，通過故障檔案節(jié)點了解相關(guān)解決方法，實現(xiàn)對故障問題的診斷和維修。

故障查詢系統(tǒng)界面如圖15所示，具體操作過程如下：

1) 輸入用自然語言描述的故障現(xiàn)象。

2) 選擇“所屬價值鏈”，以確定查詢的知識范圍。

3)系統(tǒng)對輸入請求進行查詢(內(nèi)部的運行過程如圖16)，然后返回查詢結(jié)果。

查詢結(jié)果如圖15所示，圖中a和b分別展示了在單鏈和多鏈范圍內(nèi)對故障現(xiàn)象“離合踏板不回位”查詢的返回值，可見相比圖15a，圖15b的多鏈知識查詢返回的知識更加豐富。針對“離合踏板不回位”的故障現(xiàn)象，在vc_a鏈內(nèi)捕獲了“離合器”和“車前、后鈑金”兩類故障案例知識，在多鏈范圍內(nèi)捕獲了更多“離合器”故障案例知識，通過點擊故障檔案節(jié)點可以瀏覽相關(guān)解決方法，對故障問題進行診斷，并提供相應(yīng)的維修方法。

4.2.2 服務(wù)價值鏈維修服務(wù)商搜索

當(dāng)服務(wù)人員應(yīng)用多鏈知識圖譜進行故障診斷后仍不能獨立解決維修問題時，可以通過多鏈知識圖譜搜索故障維修服務(wù)以尋求外援，查詢和推理過程如圖17所示。具體為，對輸入的故障現(xiàn)象進行查詢預(yù)處理后，展開對多鏈知識圖譜的搜索和推理，篩選出合適的服務(wù)商，然后基于知識圖譜中“省←市←區(qū)/縣←服務(wù)站←故障檔案”關(guān)聯(lián)節(jié)點關(guān)系搜索多條價值鏈的服務(wù)商，返回更多可選的近距離維修服務(wù)商。

該搜索的具體操作界面如圖18所示，搜索系統(tǒng)內(nèi)部按照圖17所示的查詢和推理過程向用戶返回搜索結(jié)果。通過輸入故障現(xiàn)象搜索維修服務(wù)商，利用多鏈知識圖譜返回具有維修該故障經(jīng)歷的服務(wù)站的地理信息，根據(jù)服務(wù)距離篩選出合適的服務(wù)站，用戶則通過與知識圖譜交互確定維修服務(wù)搜索結(jié)果，為鏈內(nèi)/跨鏈的服務(wù)站間派員維修服務(wù)提供決策支持，具體操作如下：①用戶輸入故障現(xiàn)象，知識圖譜返回相似維修案例在全國的分布圖，顏色越深的案例數(shù)量越多；②點擊不同的省份，展示該省各城市的維修案例分布圖；③選擇點擊不同城市，進一步查詢各區(qū)/縣有過相似維修經(jīng)驗的服務(wù)商信息，從而確定服務(wù)協(xié)同對象。

5 結(jié)束語

本文通過詳細分析基于第三方云平臺的多服務(wù)價值鏈系統(tǒng)，針對存在的問題及需求提出服務(wù)價值鏈多鏈知識圖譜構(gòu)建的框架和方法，統(tǒng)一了多條服務(wù)價值鏈的相關(guān)業(yè)務(wù)類概念及其關(guān)系的語義描述和定義，同時融合多鏈知識實現(xiàn)了對多鏈知識的組織，為支持業(yè)務(wù)決策提供了更豐富的知識。在服務(wù)價值鏈多鏈知識圖譜構(gòu)建過程中集成多鏈數(shù)據(jù)，經(jīng)過兩個階段求解精確的知識圖譜模型，并將知識圖譜模型存儲到圖數(shù)據(jù)庫，完成了服務(wù)價值鏈多鏈知識圖譜的構(gòu)建，同時對相關(guān)案例進行展示。

本文研究主要側(cè)重于構(gòu)建服務(wù)價值鏈多鏈知識圖譜，未來的研究重點將以服務(wù)價值鏈多鏈知識圖譜為基礎(chǔ)，對語義搜索和推理等服務(wù)進行深入研究。