厲彥柏，趙國(guó)靜，曠文敏，孫儉，王東坡

(1.中國(guó)石油集團(tuán)安全環(huán)保技術(shù)研究院有限公司，北京 102200；2.北京辰安科技股份有限公司，北京 100094；3.清華大學(xué) 工物系，北京 100084)

0 引言

石油化工行業(yè)的生產(chǎn)經(jīng)營(yíng)在很大程度上促進(jìn)了經(jīng)濟(jì)的發(fā)展，也為人們的日常生活提供了必需的石油化工產(chǎn)品。石油是我國(guó)各個(gè)領(lǐng)域發(fā)展不可或缺的能源[1]。針對(duì)近年來(lái)石油化工行業(yè)頻發(fā)的危險(xiǎn)化學(xué)品安全生產(chǎn)事故，我國(guó)在危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援能力仍存在短板。如何利用專業(yè)知識(shí)結(jié)合科技化手段提升救援人員在危險(xiǎn)化學(xué)品安全生產(chǎn)事故中的應(yīng)急救援決策能力，提升應(yīng)急救援能力，已經(jīng)成為石油化工行業(yè)亟需解決的難題。

知識(shí)圖譜技術(shù)作為重要的智能化技術(shù)之一，在文獻(xiàn)檢索中的知識(shí)智能問(wèn)答、個(gè)性化檢索、知識(shí)推薦等方面逐步得到較好的應(yīng)用，但是在石油化工行業(yè)危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援未見(jiàn)報(bào)道。本文針對(duì)石油化工行業(yè)中頻發(fā)的危險(xiǎn)化學(xué)品安全生產(chǎn)事故，探索知識(shí)圖譜技術(shù)及智能檢索平臺(tái)在危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援過(guò)程中的應(yīng)用，包括危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援知識(shí)體系建立、知識(shí)圖譜構(gòu)建技術(shù)、基于知識(shí)圖譜的智能檢索平臺(tái)搭建及應(yīng)用為事故救援提供科學(xué)、準(zhǔn)確的救援信息和知識(shí)，提升事故救援能力，最大限度地減少事故損失。

1 知識(shí)體系建立

知識(shí)圖譜是一種用圖模型來(lái)描述知識(shí)和建模世界萬(wàn)物之間的關(guān)聯(lián)關(guān)系的技術(shù)方法[2]，本質(zhì)是事物關(guān)系的可計(jì)算模型，基本用途是建立知識(shí)之間的直接關(guān)系，便于快速搜索和決策[3-4]。

文本基于危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援業(yè)務(wù)需求，對(duì)危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援知識(shí)體系進(jìn)行梳理，將危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援知識(shí)體系劃分為企業(yè)信息、危險(xiǎn)化學(xué)品應(yīng)急處置知識(shí)、事故知識(shí)、決策知識(shí)、社會(huì)救援力量、企業(yè)救援力量、救援輔助信息等部分。知識(shí)體系來(lái)源于商業(yè)購(gòu)買(mǎi)專業(yè)知識(shí)、政府/集團(tuán)搜集、用戶系統(tǒng)填報(bào)等多種方式。危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援知識(shí)體系建立采用自頂向下結(jié)合自底向上的方法[5-7]，如圖1所示，建立石油化工行業(yè)企業(yè)危險(xiǎn)化學(xué)品安全生產(chǎn)事故和應(yīng)急救援之間的直接關(guān)系，能夠在突發(fā)事故發(fā)生后為應(yīng)急救援決策提供準(zhǔn)確、可靠的知識(shí)信息支持，幫助救援人員更好的進(jìn)行應(yīng)急輔助決策。

圖1 危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援知識(shí)體系關(guān)系圖

當(dāng)危險(xiǎn)化學(xué)品安全生產(chǎn)事故發(fā)生時(shí)，針對(duì)企業(yè)自身情況、周邊環(huán)境以及事故特點(diǎn)，能夠做出正確的輔助決策和救援措施，達(dá)到快速、有效救援的目的。將企業(yè)信息納入知識(shí)體系中，企業(yè)信息包括企業(yè)名稱、地址、安全管理人員、聯(lián)系方式、企業(yè)危險(xiǎn)化學(xué)品種類、周邊環(huán)境等。

危險(xiǎn)化學(xué)品是指具有毒害、腐蝕、爆炸、燃燒、助燃等性質(zhì)，對(duì)人體、設(shè)施、環(huán)境具有危害的劇毒化學(xué)品和其他化學(xué)品。依據(jù)《危險(xiǎn)化學(xué)品目錄》(2021版)規(guī)定危險(xiǎn)化學(xué)品共計(jì)有2 828類，在事故發(fā)生時(shí)了解危險(xiǎn)化學(xué)品的應(yīng)急處置特性，采取相應(yīng)的措施正確、及時(shí)地進(jìn)行處理，能最大程度挽救人員生命和財(cái)產(chǎn)損失。危險(xiǎn)化學(xué)品的應(yīng)急處置知識(shí)包括化學(xué)品名稱、成分/組成信息、危險(xiǎn)性概述、急救措施、消防措施、泄漏應(yīng)急處置、操作處置與儲(chǔ)存、接觸控制/個(gè)體防護(hù)、理化特性、穩(wěn)定性和反應(yīng)活性、毒理學(xué)資料、生態(tài)學(xué)資料、廢棄處置、運(yùn)輸信息、法規(guī)信息及其他信息。

危險(xiǎn)化學(xué)品安全生產(chǎn)事故具有突發(fā)性強(qiáng)，不易控制，污染環(huán)境，破壞嚴(yán)重，救援難度大，專業(yè)性強(qiáng)等特點(diǎn)，將危險(xiǎn)化學(xué)品安全生產(chǎn)事故類型納入知識(shí)體系中。典型的危險(xiǎn)化學(xué)品安全生產(chǎn)事故類型包括危險(xiǎn)化學(xué)品泄漏擴(kuò)散事故、大型儲(chǔ)罐火災(zāi)事故、液池火災(zāi)事故、噴射火災(zāi)事故、火球火災(zāi)事故、蒸汽云爆炸事故、壓力容器爆炸事故、固體爆炸事故。針對(duì)不同危險(xiǎn)化學(xué)品在不同場(chǎng)景下，發(fā)生不同類型的事故時(shí)，有針對(duì)性的分析事故的發(fā)展態(tài)勢(shì)，為事故的人員疏散、指揮作戰(zhàn)等關(guān)鍵的輔助決策信息，提高救援效率和準(zhǔn)確度。

危險(xiǎn)化學(xué)品安全生產(chǎn)事故發(fā)生之后，根據(jù)相關(guān)的應(yīng)急預(yù)案啟動(dòng)應(yīng)急響應(yīng)流程[8]，現(xiàn)將企業(yè)的現(xiàn)場(chǎng)處置方案、企業(yè)綜合預(yù)案、政府應(yīng)急處置預(yù)案納入知識(shí)體系中的決策知識(shí)。石油化工企業(yè)應(yīng)根據(jù) GB/T 29639—2020《生產(chǎn)經(jīng)營(yíng)單位生產(chǎn)安全事故應(yīng)急預(yù)案編制導(dǎo)則》[9]，在風(fēng)險(xiǎn)評(píng)估的基礎(chǔ)上由企業(yè)自身或第三方服務(wù)機(jī)構(gòu)進(jìn)行應(yīng)急預(yù)案的編制，并且按照《生產(chǎn)安全事故應(yīng)急預(yù)案管理辦法》[10]嚴(yán)格實(shí)施應(yīng)急預(yù)案。企業(yè)應(yīng)將存在或可能發(fā)生的事故風(fēng)險(xiǎn)種類、發(fā)生的可能性以及嚴(yán)重程度及影響范圍有效識(shí)別出來(lái)，并將所有的危險(xiǎn)因素和風(fēng)險(xiǎn)管控措施體現(xiàn)到應(yīng)急預(yù)案中，并按照政策要求及時(shí)修訂和完善預(yù)案內(nèi)容，保證預(yù)案具有可操作性。

現(xiàn)將企業(yè)救援力量和社會(huì)救援力量納入知識(shí)體系中，以保障在事故發(fā)生時(shí)更合理的調(diào)配相關(guān)資源，多方位的救援力量具有資源豐富、組織靈活的優(yōu)勢(shì)。企業(yè)救援力量主要是指企業(yè)自身救援隊(duì)伍和救援物資。社會(huì)救援力量包括周邊企業(yè)的救援隊(duì)伍和救援物資、政府的救援隊(duì)和救援物資、相關(guān)的救援專家等。

救援輔助信息為救援過(guò)程不可缺少的信息，應(yīng)急救援決策需要解決的問(wèn)題往往是無(wú)序的、突變性的，根據(jù)現(xiàn)場(chǎng)實(shí)際情況進(jìn)行靈活的調(diào)整就變的尤為重要，通過(guò)將輿情信息、交通信息、氣象信息、事故案例等信息納入知識(shí)體系中，將現(xiàn)場(chǎng)復(fù)雜多變的信息展現(xiàn)出來(lái)，為決策者提供更精準(zhǔn)的輔助決策。

2 知識(shí)圖譜構(gòu)建

知識(shí)體系是一個(gè)不斷更新的過(guò)程，在每一次更新的知識(shí)體系均要經(jīng)過(guò)知識(shí)存儲(chǔ)、知識(shí)表示、知識(shí)抽取、知識(shí)挖掘、知識(shí)融合、知識(shí)推理等過(guò)程形成知識(shí)圖譜[11]，如圖2所示，進(jìn)而用于知識(shí)搜索、語(yǔ)義檢索、知識(shí)點(diǎn)關(guān)聯(lián)推薦、可視化展示等應(yīng)用。

圖2 知識(shí)圖譜構(gòu)建過(guò)程

2.1 知識(shí)存儲(chǔ)

基于大數(shù)據(jù)存儲(chǔ)技術(shù)，為滿足知識(shí)圖譜的構(gòu)建和應(yīng)用，需要實(shí)現(xiàn)將來(lái)源于TXT文件、WORD文件、XML文件、CSV文件、Excel文件、數(shù)據(jù)庫(kù)等多源異構(gòu)知識(shí)進(jìn)行存儲(chǔ)。涉及圖數(shù)據(jù)庫(kù)存儲(chǔ)、分布式對(duì)象存儲(chǔ)、分布式列數(shù)據(jù)庫(kù)、內(nèi)存數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、分布式文件系統(tǒng)等技術(shù)。其中，圖數(shù)據(jù)庫(kù)存儲(chǔ)以圖形的“節(jié)點(diǎn)”象征實(shí)體，節(jié)點(diǎn)間的“邊”代表實(shí)體間的關(guān)系，能夠快速解決復(fù)雜的關(guān)系問(wèn)題[12]，是本文知識(shí)圖譜構(gòu)建的關(guān)鍵技術(shù)之一。

2.2 知識(shí)表示

知識(shí)表示是將知識(shí)體系中實(shí)體、屬性、事件和關(guān)系進(jìn)行關(guān)聯(lián)起來(lái)，便于知識(shí)推理和知識(shí)計(jì)算的應(yīng)用[13]。本文采用W3C推薦的語(yǔ)義網(wǎng)(semantic web)的知識(shí)表示方法，其中URI(uniform resource identifier，統(tǒng)一資源標(biāo)識(shí)符)/IRI(internationalized resource identifiers，國(guó)際化資源標(biāo)識(shí)符)為網(wǎng)絡(luò)鏈接，XML(extensible markup language，可擴(kuò)展標(biāo)記語(yǔ)言)和RDF(resource description framework，資源描述框架)為資源表示框架，SPARQL(SPARQL protocol and RDF query language，基于RDF數(shù)據(jù)模型的查詢語(yǔ)言和數(shù)據(jù)獲取協(xié)議)為知識(shí)查詢語(yǔ)言，RDFS(RDF schema，基于RDF的術(shù)語(yǔ)和概念)和OWL(web ontology language，編程語(yǔ)言)為支持推理的表示框架。

2.3 知識(shí)抽取

知識(shí)抽取是對(duì)原始數(shù)據(jù)進(jìn)行規(guī)范化處理，對(duì)從不同來(lái)源、不同結(jié)構(gòu)的數(shù)據(jù)進(jìn)行知識(shí)抽取并轉(zhuǎn)化為RDF三元組、多元組事件和時(shí)序信息，最終形成結(jié)構(gòu)化數(shù)據(jù)存入到知識(shí)圖譜[14]，知識(shí)抽取過(guò)程如圖3所示。原始數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)。鏈接數(shù)據(jù)或數(shù)據(jù)庫(kù)中的結(jié)構(gòu)化數(shù)據(jù)通過(guò)圖映射技術(shù)或D2R技術(shù)將關(guān)系數(shù)據(jù)映射到RDF三元組中并進(jìn)行存儲(chǔ)。半結(jié)構(gòu)化數(shù)據(jù)可以利用機(jī)器學(xué)習(xí)算法，尋找數(shù)據(jù)之間存在的規(guī)律，經(jīng)過(guò)解析引擎或自然語(yǔ)言處理的方式，將半結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)。從非結(jié)構(gòu)化數(shù)據(jù)中提取出所需關(guān)鍵信息，利用信息抽取技術(shù)，以結(jié)構(gòu)化形式數(shù)據(jù)進(jìn)行存儲(chǔ)。

圖3 知識(shí)抽取過(guò)程

2.4 知識(shí)挖掘

知識(shí)挖掘是指對(duì)數(shù)據(jù)采用自動(dòng)或半自動(dòng)的技術(shù)手段，從大量的、模糊的、不完全的數(shù)據(jù)中獲取實(shí)體及新的實(shí)體鏈接和新的關(guān)聯(lián)規(guī)則等信息。常見(jiàn)的知識(shí)挖掘技術(shù)包括實(shí)體鏈接與消歧、知識(shí)規(guī)則挖掘、知識(shí)圖譜表示學(xué)習(xí)等。其中，實(shí)體鏈接與消歧為知識(shí)的內(nèi)容挖掘，將有歧義的實(shí)體通過(guò)實(shí)體鏈接的方式映射到一個(gè)無(wú)歧義的目標(biāo)實(shí)體。知識(shí)規(guī)則挖掘?qū)儆诮Y(jié)構(gòu)挖掘，包括基于歸納邏輯編程、基于統(tǒng)計(jì)關(guān)系學(xué)習(xí)、基于關(guān)聯(lián)規(guī)則挖掘三種實(shí)現(xiàn)方法。知識(shí)圖譜表示學(xué)習(xí)是將RDF三元組知識(shí)、多元組事件知識(shí)、時(shí)序信息知識(shí)的各種關(guān)系映射成綜合的向量空間，依據(jù)用戶畫(huà)像進(jìn)行綜合匹配，進(jìn)而完成定向推薦功能。

2.5 知識(shí)融合

知識(shí)融合是將多個(gè)來(lái)源的關(guān)于同一個(gè)實(shí)體或概念的描述信息融合起來(lái)，數(shù)據(jù)質(zhì)量和數(shù)據(jù)規(guī)模是知識(shí)融合技術(shù)需要面臨的兩大難題。知識(shí)融合分為數(shù)據(jù)預(yù)處理、分塊、負(fù)載均衡、記錄鏈接、結(jié)果評(píng)估、結(jié)果輸出等步驟。數(shù)據(jù)預(yù)處理采用語(yǔ)法正規(guī)化和數(shù)據(jù)正規(guī)化對(duì)數(shù)據(jù)進(jìn)行歸一化處理，以提高后續(xù)鏈接精確度。對(duì)于數(shù)據(jù)體量非常大的知識(shí)體系，利用Hash函數(shù)或者鄰近分塊等方法對(duì)所有實(shí)體進(jìn)行分塊，并將匹配的候選項(xiàng)的大小盡量縮小，通過(guò)負(fù)載均衡來(lái)提升分塊性能。依據(jù)初步篩選數(shù)據(jù)的實(shí)體屬性建立融合標(biāo)識(shí)符，找到等價(jià)實(shí)體進(jìn)行記錄鏈接，從而判斷數(shù)據(jù)之間的屬性相似度，對(duì)屬性相似度均達(dá)到閾值條件的數(shù)據(jù)進(jìn)行融合，并進(jìn)行結(jié)構(gòu)輸出。

2.6 知識(shí)推理

知識(shí)推理是基于RDF語(yǔ)法，在已有知識(shí)圖譜的基礎(chǔ)上推斷出新的知識(shí)或者結(jié)論。為提高知識(shí)圖譜計(jì)算性能，知識(shí)推理機(jī)制應(yīng)具有高效率的搜索和匹配機(jī)制、可控制性、可觀測(cè)性和啟發(fā)性。

3 智能檢索平臺(tái)

在危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援過(guò)程中，針對(duì)初步研判會(huì)商、處置方案生成以及常態(tài)下專業(yè)知識(shí)學(xué)習(xí)等場(chǎng)景常常因信息查詢不便捷、分布零散、無(wú)專業(yè)背書(shū)而導(dǎo)致耗時(shí)長(zhǎng)、效果差的問(wèn)題，以專業(yè)危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援知識(shí)體系，以知識(shí)圖譜構(gòu)建技術(shù)為支撐，建立知識(shí)圖譜智能檢索平臺(tái)，平臺(tái)架構(gòu)如圖4所示。搭建的知識(shí)圖譜智能檢索平臺(tái)架構(gòu)體系分為知識(shí)體系層、數(shù)據(jù)支撐層、基礎(chǔ)支撐層、業(yè)務(wù)應(yīng)用層和用戶層，同時(shí)配置標(biāo)準(zhǔn)規(guī)范體系和安全保障體系兩大保障體系，以確保平臺(tái)安全、穩(wěn)定的運(yùn)行。

圖4 基于BIM的工人不安全行為預(yù)警系統(tǒng)架構(gòu)

知識(shí)體系層：從商業(yè)購(gòu)買(mǎi)專業(yè)知識(shí)、政府/集團(tuán)搜集、用戶系統(tǒng)填報(bào)等多種方式獲取的知識(shí)，包括：企業(yè)信息、危險(xiǎn)化學(xué)品應(yīng)急處置知識(shí)、事故知識(shí)、決策知識(shí)、社會(huì)救援力量、企業(yè)救援力量、救援輔助信息等部分信息，利用知識(shí)圖譜技術(shù)采用自頂向下結(jié)合自底向上的方法構(gòu)建危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援知識(shí)體系。

數(shù)據(jù)支撐層：不斷更新的知識(shí)體系經(jīng)過(guò)知識(shí)存儲(chǔ)、知識(shí)表示、知識(shí)抽取、知識(shí)挖掘、知識(shí)融合、知識(shí)推理等技術(shù)構(gòu)建知識(shí)圖譜。通過(guò)人工智能、語(yǔ)義識(shí)別、自然語(yǔ)言處理、意圖識(shí)別、深度學(xué)習(xí)等技術(shù)算法支撐平臺(tái)應(yīng)用。

基礎(chǔ)支撐層：地理信息系統(tǒng)、操作系統(tǒng)、應(yīng)用中間件、云計(jì)算和存儲(chǔ)資源、數(shù)據(jù)庫(kù)管理系統(tǒng)。

用戶層：為應(yīng)急管理部門(mén)、化工園區(qū)、集團(tuán)企業(yè)、現(xiàn)場(chǎng)指揮部的消防官兵、企業(yè)內(nèi)主要負(fù)責(zé)人和安全管理人員等肩負(fù)日常安全管理以及事故應(yīng)急指揮處置職責(zé)的部門(mén)各級(jí)領(lǐng)導(dǎo)與指揮系統(tǒng)的操作人員使用，以便進(jìn)行有科學(xué)、有效的應(yīng)急輔助決策。

業(yè)務(wù)應(yīng)用層：包括用戶管理、知識(shí)管理、搜索交互、搜索糾偏、語(yǔ)義檢索、知識(shí)點(diǎn)關(guān)聯(lián)推薦、可視化展示，其中語(yǔ)義檢索包括精準(zhǔn)搜索、通用搜索等功能。同時(shí)配置用戶登陸、日志管理、崗位管理、角色管理、接口管理、機(jī)構(gòu)權(quán)限管理等輔助用戶管理應(yīng)用。

(1)用戶管理：平臺(tái)管理人員依據(jù)用戶所屬機(jī)構(gòu)和工作崗位，建立組織機(jī)構(gòu)樹(shù)，由平臺(tái)管理人員對(duì)用戶名稱、賬號(hào)和密碼等進(jìn)行合理分配和管理，平臺(tái)用戶可以通過(guò)登錄頁(yè)面登陸平臺(tái)。依據(jù)用戶特點(diǎn)設(shè)置為單位管理人員、單位負(fù)責(zé)人、決策指揮人員、現(xiàn)場(chǎng)救援人員等用戶角色，依據(jù)用戶角色進(jìn)行功能模塊的權(quán)限分配。

(2)知識(shí)管理：知識(shí)體系為智能檢索平臺(tái)的數(shù)據(jù)支撐體系，知識(shí)體系的實(shí)時(shí)更新維護(hù)為應(yīng)急救援決策中的關(guān)鍵性因素。智能檢索平臺(tái)對(duì)企業(yè)信息、危險(xiǎn)化學(xué)品應(yīng)急處置知識(shí)、事故知識(shí)、決策知識(shí)、社會(huì)救援力量、企業(yè)救援力量、救援輔助信息進(jìn)行管理，由系統(tǒng)管理人員對(duì)知識(shí)體系進(jìn)行更新與維護(hù)，從而保障平臺(tái)中知識(shí)信息的時(shí)效性、科學(xué)性，輔助用戶在應(yīng)急場(chǎng)景找到有專業(yè)背書(shū)的輔助決策知識(shí)。

(3)搜索交互：搜索交互主要包括搜索前的搜索引導(dǎo)，搜索中的補(bǔ)全與搜索后的相關(guān)搜索等功能，搜索交互效果示意如圖5所示，通過(guò)搜索交互輔助用戶降低搜索門(mén)檻，提高搜索效率。搜索引導(dǎo)為搜索前通過(guò)點(diǎn)擊類目了解各類目下的意圖列表，點(diǎn)擊具體意圖可了解對(duì)應(yīng)的常見(jiàn)語(yǔ)句和規(guī)范查詢并完成對(duì)應(yīng)搜索。搜索補(bǔ)全即通過(guò)點(diǎn)擊自己的搜索歷史與其他用戶的搜索日志中含有相關(guān)收入內(nèi)容的搜索問(wèn)句，完成搜索。相關(guān)搜索為完成搜索后，通過(guò)點(diǎn)擊其他用戶的相關(guān)搜索，完成搜索。

圖5 搜索交互效果示意圖

(4)搜索糾偏：對(duì)通過(guò)語(yǔ)音和鍵入的方式輸入的與危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援決策領(lǐng)域不相關(guān)的內(nèi)容搜索進(jìn)行糾偏，平臺(tái)可支持全拼、混淆音字的糾偏識(shí)別，搜索糾偏示意圖如圖6所示。

圖6 搜索糾偏效果示意圖

(5)語(yǔ)義檢索：基于深度學(xué)習(xí)等人工智能技術(shù)的語(yǔ)義識(shí)別，實(shí)現(xiàn)查詢語(yǔ)句的智能解析實(shí)現(xiàn)語(yǔ)義檢索功能，包括通用搜索和精準(zhǔn)搜索。通用搜索：通過(guò)搜索語(yǔ)句進(jìn)行基于關(guān)鍵字的全文檢索與排序，找到用戶可能關(guān)注的信息。精準(zhǔn)搜索：通過(guò)語(yǔ)義識(shí)別智能理解搜索語(yǔ)句意圖，將意圖作為整體進(jìn)行搜索并組織對(duì)應(yīng)知識(shí)，以輔助用戶進(jìn)行應(yīng)急救援決策，如圖7所示。精準(zhǔn)搜索包括判斷類搜索、屬性搜索、實(shí)體搜索等功能。用戶通過(guò)判斷類搜索可以詢問(wèn)知識(shí)圖譜智能檢索平臺(tái)判斷類問(wèn)題，平臺(tái)給出危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援決策知識(shí)體系適用范圍的是否類答案及其對(duì)應(yīng)理由。用戶通過(guò)屬性搜索詢問(wèn)知識(shí)圖譜智能檢索平臺(tái)屬性類問(wèn)題，并給出對(duì)應(yīng)知識(shí)信息。用戶通過(guò)實(shí)體搜索詢問(wèn)知識(shí)圖譜智能檢索平臺(tái)實(shí)體類問(wèn)題，給出對(duì)應(yīng)知識(shí)體系的實(shí)體列表，并對(duì)相關(guān)內(nèi)容基于標(biāo)簽進(jìn)行排序。

圖7 精準(zhǔn)搜索示意圖

(6)知識(shí)點(diǎn)關(guān)聯(lián)推薦：根據(jù)用戶的歷史搜索記錄，采用多層次關(guān)聯(lián)規(guī)則，自動(dòng)為用戶推薦類似的知識(shí)點(diǎn)，用戶可以依據(jù)推薦的知識(shí)點(diǎn)，快速鎖定自己感興趣的內(nèi)容，節(jié)省搜索時(shí)間。

(7)可視化展示：將檢索結(jié)果通過(guò)前端頁(yè)面進(jìn)行展示，將知識(shí)體系中各知識(shí)點(diǎn)之間的關(guān)聯(lián)聯(lián)系和數(shù)據(jù)信息通過(guò)圖像和文字的形式進(jìn)展展示，有利于用戶進(jìn)行審閱，如圖8所示。

圖8 知識(shí)圖譜可視化展示

4 結(jié)語(yǔ)

(1)專業(yè)權(quán)威的知識(shí)體系：從商業(yè)購(gòu)買(mǎi)專業(yè)知識(shí)、政府/集團(tuán)搜集、用戶系統(tǒng)填報(bào)等多種方式獲取的知識(shí)，利用知識(shí)圖譜技術(shù)采用自頂向下結(jié)合自底向上的方法構(gòu)建具有專業(yè)權(quán)威的危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援知識(shí)體系。

(2)知識(shí)圖譜構(gòu)建：不斷更新的知識(shí)體系經(jīng)過(guò)知識(shí)存儲(chǔ)、知識(shí)表示、知識(shí)抽取、知識(shí)挖掘、知識(shí)融合、知識(shí)推理等過(guò)程構(gòu)建知識(shí)圖譜。

(3)智能檢索平臺(tái)搭建：基于危險(xiǎn)化學(xué)品安全生產(chǎn)事故應(yīng)急救援決策知識(shí)體系，知識(shí)圖譜構(gòu)建技術(shù)結(jié)合人工智能、語(yǔ)義識(shí)別、自然語(yǔ)言處理、意圖識(shí)別、深度學(xué)習(xí)等技術(shù)，建立知識(shí)圖譜智能檢索平臺(tái)，利用專業(yè)知識(shí)結(jié)合科技化手段提升救援人員在危險(xiǎn)化學(xué)品安全生產(chǎn)事故中的應(yīng)急救援決策能力，提升應(yīng)急救援能力。