陳 瑞，黃朝兵

（武漢理工大學(xué)信息工程學(xué)院，武漢 430070）

0 引言

現(xiàn)如今，互聯(lián)網(wǎng)和大數(shù)據(jù)產(chǎn)業(yè)飛速發(fā)展對社會(huì)的發(fā)展產(chǎn)生了深遠(yuǎn)影響。國內(nèi)的石油鉆井這一傳統(tǒng)行業(yè)在近30年的信息化過程中已經(jīng)實(shí)現(xiàn)了科技進(jìn)步和技術(shù)革新，開始推廣自動(dòng)化和智能化的鉆井設(shè)備和工藝。然而，鉆井基礎(chǔ)理論、鉆井工藝、鉆井技術(shù)手冊等鉆井相關(guān)知識還是依賴于傳統(tǒng)的紙質(zhì)書本或者視頻資源進(jìn)行傳播，這限制了鉆井領(lǐng)域相關(guān)人員獲取知識的效率。

隨著科技的快速發(fā)展，新的知識源源不斷地產(chǎn)生，極大地豐富了原有的鉆井工程知識。但是這些知識分布于各類文獻(xiàn)中，是零碎的、分散的，這也意味著當(dāng)下缺乏有效的措施將現(xiàn)有的知識進(jìn)行抽取、收錄和管理，不便于快速查閱，因此，獲取知識的成本很昂貴。同時(shí)，很多知識的載體五花八門，知識的表示不統(tǒng)一，使鉆井知識體系變得分散，不便于構(gòu)建一個(gè)完整的鉆井知識體系。

誕生于2012年的知識圖譜在國內(nèi)石油相關(guān)領(lǐng)域的發(fā)展雖然起步晚一點(diǎn)，但是已經(jīng)有了許多優(yōu)秀的研究成果。鄧小亞提出了基于計(jì)算機(jī)本體理論的石油勘探開發(fā)知識庫的構(gòu)建方法，并以采油工程為例演示了知識本體庫的開發(fā)路線和在石油鉆探和開采領(lǐng)域建立知識庫的可行性。文必龍等為了解決實(shí)體對齊問題，將孿生循環(huán)神經(jīng)網(wǎng)絡(luò)改進(jìn)，完成了油藏地質(zhì)領(lǐng)域知識圖譜的構(gòu)建。肖莉等提出了石油化工的領(lǐng)域語料庫設(shè)計(jì)方案，完成了繁多的語料標(biāo)注任務(wù)，使該領(lǐng)域的自然語言處理有了核心素材，為石油工業(yè)的知識工程建設(shè)奠定了堅(jiān)實(shí)基礎(chǔ)。張驕?zhǔn)褂镁W(wǎng)絡(luò)爬蟲的技術(shù)手段從WOS（Web of Science）和中國知網(wǎng)數(shù)據(jù)庫獲取相關(guān)數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行聚類分析，完整建立頁巖氣水力壓裂的知識圖譜。鐘原等在自己建立修井文本數(shù)據(jù)集的基礎(chǔ)上，通過實(shí)驗(yàn)對比驗(yàn)證了基 于Bi-LSTM-CRF（Bidirectional-Long Short Term Memory-Conditional Random Field）的高精度NER（Named Entity Recognition）模型在石油非結(jié)構(gòu)化文本的命名實(shí)體抽取方面有優(yōu)秀的準(zhǔn)確率。李大偉等從專業(yè)文獻(xiàn)和中國石油勘探開發(fā)工程百科全書中抽取了海量的石油專業(yè)知識，構(gòu)建龐大的石油工業(yè)知識圖譜，并以此為基礎(chǔ)利用深度語義匹配、檢索候選文檔等關(guān)鍵技術(shù)，研發(fā)了一套功能完善的“智能石油問答系統(tǒng)”。

但是在鉆井這一垂直領(lǐng)域，還沒有相關(guān)的知識圖譜應(yīng)用?；谏鲜霰尘昂蛦栴}，本文運(yùn)用知識圖譜技術(shù)，充分地利用傳統(tǒng)的鉆井工程相關(guān)書籍和豐富的鉆井領(lǐng)域相關(guān)文獻(xiàn)資料，從中提取不同知識構(gòu)建鉆井工程知識圖譜。同時(shí)使用Unity3D制作知識的搜索查詢和知識可視化展示平臺，實(shí)現(xiàn)鉆井知識的快速檢索和知識實(shí)體關(guān)系的可視化。

1 系統(tǒng)總體設(shè)計(jì)方案

鉆井工程的知識是石油鉆井施工的核心操作指南。目前，有關(guān)鉆井的知識有些是以結(jié)構(gòu)化的數(shù)據(jù)存儲(chǔ)在關(guān)系數(shù)據(jù)庫中；有些以文件、書本、操作手冊等方式存儲(chǔ)在紙質(zhì)資料或者電子文檔中；有些以非結(jié)構(gòu)化的方式存儲(chǔ)在互聯(lián)網(wǎng)中?？傊@些鉆井工程知識沒有充分有效的集成，造成了“知識孤島”的現(xiàn)象，這也導(dǎo)致鉆井人員無法及時(shí)、有效地獲取所需的知識。因此需要建立一個(gè)豐富的鉆井工程知識圖譜。

知識是有體系、有結(jié)構(gòu)的，如果簡單地將知識匯總后提供給人員學(xué)習(xí)，這僅僅是解決了知識來源的問題。如何讓學(xué)員高效率地理解知識、理清知識脈絡(luò)和掌握知識體系，做到舉一反三和融會(huì)貫通是非常有價(jià)值的。Unity3D作為一款專業(yè)的游戲開發(fā)引擎，可以用于創(chuàng)作實(shí)時(shí)互動(dòng)的3D內(nèi)容，已經(jīng)有了很多基于Unity3D開發(fā)的虛擬可視化軟件應(yīng)用于工業(yè)領(lǐng)域。因此本文利用Unity3D平臺進(jìn)行知識網(wǎng)絡(luò)可視化研究和知識圖譜可視化系統(tǒng)開發(fā)。

構(gòu)建鉆井工程領(lǐng)域知識圖譜的可視化系統(tǒng)需要完成兩大核心功能區(qū)塊：一是基于Neo4j的鉆井工程知識圖譜構(gòu)建；二是基于Unity3D的知識可視化系統(tǒng)實(shí)現(xiàn)。知識圖譜，本質(zhì)上是一種揭示實(shí)體之間關(guān)系的語義網(wǎng)絡(luò)，從邏輯上分為模式層和數(shù)據(jù)層。使用Unity3D實(shí)現(xiàn)的知識可視化系統(tǒng)則作為應(yīng)用層，完成知識的檢索和可視化。研究開發(fā)的鉆井知識圖譜可視化系統(tǒng)的核心框架有四個(gè)層級，詳細(xì)框架如圖1所示。

圖1 鉆井知識圖譜可視化系統(tǒng)框架圖

（1）資源層。主要是對《鉆井工程》《鉆井事故與復(fù)雜問題》等書本結(jié)構(gòu)化知識和通過網(wǎng)絡(luò)爬蟲技術(shù)在互聯(lián)網(wǎng)上獲取的非結(jié)構(gòu)化知識進(jìn)行預(yù)處理。

（2）模式層。模式層是知識圖譜的核心，完成鉆井工程本體庫的構(gòu)建工作，主要是將資源層的文件提煉成完善的本體模型。

（3）數(shù)據(jù)層。以模式層完成的本體庫提供的概念模板作為指導(dǎo)，從各類結(jié)構(gòu)化和非結(jié)構(gòu)化知識中提取三元組注入Neo4j圖數(shù)據(jù)庫。

（4）應(yīng)用層。從Neo4j圖數(shù)據(jù)庫獲取數(shù)據(jù)，在Unity3D中實(shí)現(xiàn)知識可視化，為用戶提供鉆井知識查詢和知識可視化等功能服務(wù)。

2 鉆井知識圖譜構(gòu)建

知識圖譜的邏輯結(jié)構(gòu)包含數(shù)據(jù)層和模式層。在知識圖譜的數(shù)據(jù)層，知識數(shù)據(jù)以“實(shí)體－關(guān)系－實(shí)體”或者“實(shí)體－屬性－屬性值”三元組作為基本存儲(chǔ)方式，在圖數(shù)據(jù)庫中龐大的實(shí)體關(guān)系網(wǎng)絡(luò)形成知識的“圖譜”。模式層在數(shù)據(jù)層之上，是知識圖譜的核心。在模式層存儲(chǔ)的是經(jīng)過提煉的抽象知識模板，常使用本體庫來建立知識模板和約束條件來規(guī)范實(shí)體、關(guān)系以及屬性等具體對象之間的聯(lián)系。鉆井工程知識圖譜的構(gòu)建分為三個(gè)階段：數(shù)據(jù)獲取、本體庫構(gòu)建以及Neo4j圖數(shù)據(jù)庫構(gòu)建。

2.1 鉆井工程知識數(shù)據(jù)的獲取

本文的數(shù)據(jù)主要來源為《鉆井工程》《鉆井手冊》和《鉆井事故和復(fù)雜問題》等書籍，從書籍中獲取了大量的結(jié)構(gòu)化知識，并且這些知識是較為權(quán)威的。在下階段的知識融合和知識推理的過程中，針對部分知識出現(xiàn)冗余或者錯(cuò)誤的情況，以這些出版物的知識為判斷標(biāo)準(zhǔn)。同時(shí)，由于出版物的知識可能存在滯后的問題，沒有包含近階段的新技術(shù)、新機(jī)制和新知識，于是利用網(wǎng)絡(luò)爬蟲技術(shù)對數(shù)據(jù)進(jìn)行了擴(kuò)充。

數(shù)據(jù)擴(kuò)充包括實(shí)例擴(kuò)充和三元組擴(kuò)充兩部分：

（1）實(shí)例擴(kuò)充。采用網(wǎng)絡(luò)爬蟲技術(shù)進(jìn)行實(shí)例擴(kuò)充。首先利用爬蟲技術(shù)從中國知網(wǎng)爬取鉆井工程相關(guān)內(nèi)容，使用分詞工具獲取分詞，然后與核心知識庫對比，擴(kuò)充沒有被收錄的實(shí)例。

（2）三元組擴(kuò)充。實(shí)例擴(kuò)充后，使用百度百科作為數(shù)據(jù)源，利用爬蟲技術(shù)完成實(shí)例的三元組擴(kuò)充。

2.2 鉆井知識圖譜的本體構(gòu)建

在完成數(shù)據(jù)獲取工作后，即可根據(jù)鉆井工程的知識結(jié)構(gòu)使用Protégé軟件開始構(gòu)建本體工作。Protégé是斯坦福大學(xué)醫(yī)學(xué)院生物信息研究中心開發(fā)的軟件，主要用于知識獲取和本體編輯，是語義本體構(gòu)建的核心開發(fā)工具。Protégé提供了本體概念類、關(guān)系、屬性和實(shí)例的構(gòu)造，用戶只需在概念層構(gòu)建領(lǐng)域本體模型即可。在該軟件中，Thing是所有類的根節(jié)點(diǎn)，所有的類都是從Thing派生出來的。在Classes的選項(xiàng)卡中根節(jié)點(diǎn)owl：Thing下進(jìn)行子類的增加，并且在子類的創(chuàng)建過程中名字不可重復(fù)。

依據(jù)對鉆井工程領(lǐng)域知識數(shù)據(jù)的分析與整理，先建立一個(gè)“鉆井工程”根節(jié)點(diǎn)。然后在該節(jié)點(diǎn)的基礎(chǔ)上，創(chuàng)建各層級子類節(jié)點(diǎn)。鉆井工程知識本體庫如圖2所示。

圖2 鉆井工程知識本體庫

2.3 基于Neo4j的鉆井知識圖譜構(gòu)建

本文在調(diào)研已有的開放領(lǐng)域知識圖譜的基礎(chǔ)上，利用鉆井知識本體庫，設(shè)計(jì)并構(gòu)建鉆井工程這一垂直領(lǐng)域的知識圖譜。Neo4j是基于Java實(shí)現(xiàn)的圖數(shù)據(jù)庫，以圖的形式存儲(chǔ)數(shù)據(jù)，無需預(yù)設(shè)數(shù)據(jù)模式，具有高效的處理能力，在知識圖譜領(lǐng)域使用較為廣泛。構(gòu)建完整的知識圖譜是一個(gè)非常龐大的工程，主要使用以下三個(gè)步驟進(jìn)行圖譜構(gòu)建：

（1）知識提取。知識提取就是從已經(jīng)處理過的結(jié)構(gòu)化數(shù)據(jù)或未處理的非結(jié)構(gòu)化的數(shù)據(jù)中提取知識。結(jié)構(gòu)化數(shù)據(jù)一般就是直接從數(shù)據(jù)庫通過一系列的規(guī)則映射為RDF數(shù)據(jù)格式。從非結(jié)構(gòu)化數(shù)據(jù)中提取數(shù)據(jù)較為復(fù)雜，因?yàn)閿?shù)據(jù)存在很多冗余或者無用部分，因此先提取實(shí)體，然后再進(jìn)行關(guān)系抽取和屬性抽取。

（2）知識融合。通過知識抽取，獲取了知識的實(shí)體、關(guān)系和實(shí)體屬性等信息，但是其中也必然存在大量的冗余和錯(cuò)誤，因此需要對數(shù)據(jù)進(jìn)行清理。知識融合，指不同數(shù)據(jù)來源的同一實(shí)體通過實(shí)體消歧（entity disambiguation）、共指消解（entity resolution）等技術(shù)被融合在一起。

（3）知識加工。原始數(shù)據(jù)在經(jīng)過知識抽取和知識融合后，轉(zhuǎn)化成了簡練、準(zhǔn)確的實(shí)體、關(guān)系和屬性等核心知識要素。再經(jīng)過知識加工的過程，就可以得到結(jié)構(gòu)化的知識體系。

圖3可以清晰地說明整個(gè)知識圖譜的構(gòu)建流程。

圖3 知識圖譜構(gòu)建示意圖

在經(jīng)過上述幾大開發(fā)步驟后，本文完成了鉆井工程知識圖譜的構(gòu)建工作，部分?jǐn)?shù)據(jù)如圖4所示。

圖4 部分鉆井知識圖譜數(shù)據(jù)展示

3 基于Unity3D的鉆井知識可視化系統(tǒng)實(shí)現(xiàn)

3.1 基于FR算法的網(wǎng)絡(luò)可視化

依據(jù)不同圖的特性，研究人員設(shè)計(jì)實(shí)現(xiàn)了上百種網(wǎng)絡(luò)布局技術(shù)。本文需要實(shí)現(xiàn)鉆井知識圖譜的數(shù)據(jù)可視化，經(jīng)過調(diào)研和總結(jié)后，力導(dǎo)向圖布局（Force-Directed Layout）算法把節(jié)點(diǎn)看作質(zhì)點(diǎn)、把邊作為質(zhì)點(diǎn)之間的作用力，可以繪制出關(guān)系簡潔明了的圖形，非常適用于知識圖譜的可視化。

Eades在1984年首次提出了力導(dǎo)向布局算法，其基本思想是將網(wǎng)絡(luò)看成是一種帶電荷的彈簧系統(tǒng)，節(jié)點(diǎn)為帶電環(huán)，邊為彈簧，節(jié)點(diǎn)之間的斥力和彈簧的彈力相互作用下，不斷運(yùn)動(dòng)，直至互相穩(wěn)定、平衡。但是該算法的計(jì)算開銷大，研究人員在其基礎(chǔ)上做了許多改進(jìn)，誕生了KK算法、DH算法和FR算法。其中，F(xiàn)R算法由Fruchterman和Reingold提出，他們在Eades提出的算法基礎(chǔ)上，將力導(dǎo)向布局算法的模型改進(jìn)為靜電力模型，還引入了模擬退火算法，降低了算法的時(shí)間復(fù)雜度。因此本文選用FR算法來實(shí)現(xiàn)知識圖譜在Unity3D中的數(shù)據(jù)可視化。

FR算法在每次迭代過程中都會(huì)分三步計(jì)算：①計(jì)算所有節(jié)點(diǎn)之間的排斥力；②計(jì)算通過邊連接起來的節(jié)點(diǎn)吸引力；③根據(jù)節(jié)點(diǎn)的排斥力和吸引力的綜合受力情況計(jì)算節(jié)點(diǎn)的空間位移值。

在寬度為、高度為的節(jié)點(diǎn)繪制區(qū)域，任意節(jié)點(diǎn)在受到其他節(jié)點(diǎn)的相互作用力后，都有兩個(gè)參數(shù)發(fā)生改變，即節(jié)點(diǎn)的位置pos和節(jié)點(diǎn)受力后的位移量disp。

FR算法的基本公式如下：

節(jié)點(diǎn)繪制區(qū)域面積為：

其中，為區(qū)域的高度，為區(qū)域的寬度。

理想距離為：

其中，||為區(qū)域內(nèi)的節(jié)點(diǎn)數(shù)量。

節(jié)點(diǎn)和相鄰，兩節(jié)點(diǎn)之間的幾何距離為：

節(jié)點(diǎn)和相鄰，兩節(jié)點(diǎn)之間的引力函數(shù)為：

節(jié)點(diǎn)和相鄰，兩節(jié)點(diǎn)之間的斥力函數(shù)為：

FR算法的偽代碼如下。

輸入：節(jié)點(diǎn)集合={,,…,v}；邊集合={,,…,e}。

輸出：節(jié)點(diǎn)位置集合

.={.,.,…,v.};

MaxIterations=400,//假定最大迭代次數(shù)為400

for（i=1,i＜=MaxIterations;i++）{

//計(jì)算節(jié)點(diǎn)排斥力位移

for（v in V）{

v.disp=0;

for（u in V）{

Δ=v.pos-u.pos//表示u，v節(jié)點(diǎn)的位置差

.=.+(Δ/)f( ),*//C為常數(shù)，為了調(diào)節(jié)排斥力，美化布局

}

}

//計(jì)算節(jié)點(diǎn)吸引力力位移

for（e in E）{

//v和u兩節(jié)點(diǎn)之間有一條邊

Δ=e.v.pos-e.u.pos//表示u，v節(jié)點(diǎn)的位置差

..=..-(Δ/)f( )

,

}

//更新節(jié)點(diǎn)位置并控制最大位移

for（v in V）

.=.+( ).||.*min(.,)//由溫度t限制位移量

//通過寬度W和高度H，防止節(jié)點(diǎn)位移出邊界

..=max(0,min( )

,..)

..=max(0,min( )

,..）

}

t=cool（t）//每次迭代，溫度都減小

}

FR算法中引入了“溫度”和“冷卻”的概念，即采用了模擬退火算法。通過這種方式可以限制節(jié)點(diǎn)的最大位移，并且“溫度”隨著迭代次數(shù)的增加而減小，系統(tǒng)的內(nèi)能也逐漸減小，使網(wǎng)絡(luò)布局越來越好。

在圖5中，右上角的粒子受外力作用產(chǎn)生位移，網(wǎng)絡(luò)的內(nèi)能增加。當(dāng)外力撤走后，網(wǎng)絡(luò)的平衡被打破，各個(gè)粒子都受到其他粒子的排斥力或者吸引力，整個(gè)網(wǎng)絡(luò)就如圖6所示，所有粒子在不斷地發(fā)生位移。

圖5 粒子受外力作用

圖6 粒子間相互作用

但是隨著粒子之間作用力的相互抵消和“溫度”的下降，整個(gè)網(wǎng)絡(luò)如圖7所示，將再次回歸平衡。

圖7 系統(tǒng)恢復(fù)平衡

這也展示了FR算法在網(wǎng)絡(luò)布局中的優(yōu)秀特性，適合應(yīng)用于網(wǎng)絡(luò)可視化。

3.2 鉆井工程知識查詢和知識可視化的實(shí)現(xiàn)

在Neo4j圖數(shù)據(jù)庫正常運(yùn)行的前提下，通過編寫C#腳本使用WebRequest類建立Neo4j圖數(shù)據(jù)庫和unity3D平臺的連接。使用IO流讀取所需的數(shù)據(jù)，并以JSON文件的形式發(fā)送到Unity3D平臺。平臺解析接收的JSON文件，再根據(jù)自定義的Node、NodeProperties、Relationship、RelationshipProperties等類分別存儲(chǔ)數(shù)據(jù)。依據(jù)這些數(shù)據(jù)可以實(shí)現(xiàn)UI界面刷新、自動(dòng)生成節(jié)點(diǎn)及關(guān)系物體和利用FR算法實(shí)現(xiàn)數(shù)據(jù)網(wǎng)絡(luò)自動(dòng)布局。圖8為系統(tǒng)的功能流程圖。

圖8 系統(tǒng)功能流程圖

本系統(tǒng)使用了Unity3D內(nèi)置一套完整的UGUI系統(tǒng)完成UI界面和功能開發(fā)。UGUI系統(tǒng)主要包括畫布、按鈕、文本框及滾動(dòng)條等組件和事件機(jī)制（EventSystem）。通過組件和腳本的相互配合，可以開發(fā)出所需的UI界面，實(shí)現(xiàn)系統(tǒng)所需功能。系統(tǒng)的查詢和節(jié)點(diǎn)可視化效果如圖9所示，左側(cè)為查詢窗口，輸入“粘吸卡鉆”，點(diǎn)擊“research”按鈕后，在按鈕的下方顯示有9個(gè)節(jié)點(diǎn)和3個(gè)關(guān)系，并在右側(cè)的顯示區(qū)域自動(dòng)繪制相關(guān)節(jié)點(diǎn)。

圖9 知識查詢和節(jié)點(diǎn)可視化效果圖

顯示區(qū)域內(nèi)的所有節(jié)點(diǎn)都是通過預(yù)制體自動(dòng)加載的，并且添加了Mesh Collider碰撞體和相應(yīng)C#腳本。當(dāng)鼠標(biāo)移動(dòng)到任意節(jié)點(diǎn)上就會(huì)檢測到碰撞，節(jié)點(diǎn)的外圍圓環(huán)會(huì)變成黃色，表示節(jié)點(diǎn)可被點(diǎn)擊。點(diǎn)擊鼠標(biāo)左鍵，就會(huì)彈出該節(jié)點(diǎn)的詳細(xì)屬性面板，該面板使用了Scroll View組件的垂直滾動(dòng)條來控制文字顯示，達(dá)到了鉆井知識的展示，具體效果如圖10所示。

圖10 鉆井知識展示圖

4 結(jié)語

本文針對鉆井工程這一垂直領(lǐng)域的“知識孤島”現(xiàn)象，結(jié)合目前數(shù)據(jù)模型描述不直觀、不立體的特點(diǎn)，將圖數(shù)據(jù)庫存儲(chǔ)和數(shù)據(jù)可視化相搭配，從而使用戶能夠直觀地學(xué)習(xí)和了解以往不便描述和觀察的知識結(jié)構(gòu)。主要完成了以下幾個(gè)方面的工作：

（1）通過紙質(zhì)資料、電子文檔和互聯(lián)網(wǎng)資源獲取了鉆井工程的基礎(chǔ)數(shù)據(jù)，并進(jìn)行了初步的知識清洗和填充。然后根據(jù)這些知識建立了本體庫。

（2）在數(shù)據(jù)和本體庫的基礎(chǔ)上完成了知識提取、知識融合以及知識加工工作，順利完成了鉆井工程知識圖譜的構(gòu)建。

（3）運(yùn)用FR算法，使節(jié)點(diǎn)之間通過吸引力或者排斥力的相互作用，不斷調(diào)整位置，最終系統(tǒng)達(dá)到穩(wěn)態(tài)，實(shí)現(xiàn)了知識圖譜在Unity3D中的可視化。