史珂軒，焦自程

（西藏大學(xué)信息科學(xué)技術(shù)學(xué)院，拉薩 850000）

0 引言

隨著國內(nèi)的全面脫貧以及交通運輸業(yè)的快速發(fā)展，高原地區(qū)的特殊地理風(fēng)貌逐漸向內(nèi)地民眾揭開了神秘的面紗，但是對青藏高原地區(qū)特有的高原植物進(jìn)行調(diào)查后的結(jié)構(gòu)所知甚少。因為其種類繁多、分布疏散、形態(tài)相似等特點，使得高原植物的分析和辨識具有了一定的難度，讓非專業(yè)人士難從下手［1］；以至于近些年，一些珍稀的高原植物因得不到有效的生態(tài)保護(hù)，導(dǎo)致其消亡于歷史長河中。至今為止，國內(nèi)外尚未有較為先進(jìn)的高原植物識別系統(tǒng)以及較為完整的高原植物知識圖譜統(tǒng)，而現(xiàn)有的國內(nèi)外高原植物圖譜系統(tǒng)檢索冗余，特點不夠鮮明。雖然對于高原植物的囊括與介紹比較完整，但是缺乏檢索的直接性，最新物種的更新進(jìn)度較為緩慢。此外，國內(nèi)現(xiàn)有的一些植物圖譜和識別系統(tǒng)，沒有顯著的識別特點，多是針對生活中常見的普通、易辨認(rèn)的植物種類，沒有對高原植物做一個具有特殊地域性、特殊特征識別的內(nèi)容整理，不能滿足大多數(shù)用戶的需求［2］。

基于以上現(xiàn)象設(shè)計了一款能夠精確、簡明索引高原植物，按植物種類進(jìn)行劃分，運用高原植物特征進(jìn)行植物識別等多個功能的高原植物知識圖譜系統(tǒng)，促進(jìn)高原植物的保護(hù)［3］。

1 平臺選用框架技術(shù)介紹

在平臺的前后端框架技術(shù)方面，后端開發(fā)選用了Flask框架，主要為前端提供數(shù)據(jù)接口及服務(wù)器支撐；后臺管理模塊和前端模塊選擇了BootStrap，實現(xiàn)了數(shù)據(jù)及頁面視圖的雙向綁定更新。

1.1 Flask介紹

Flask是一個采用Python編寫的輕量級Web應(yīng)用框架。其WSGI工具箱采用Werkzeug，模板引擎則使用Jinja2。Flask使用BSD授權(quán)。其沒有默認(rèn)使用的數(shù)據(jù)庫、窗體驗證工具。對于大多數(shù)小型網(wǎng)站的開發(fā)，使用SSH（Struts+Spring+Hibernat的一個JavaEE集成框架）即可以滿足需要。和其他輕量級框架相比，F(xiàn)lask框架有更好的擴(kuò)展性，這是其不可替代的的主要原因［4］。

1.2 BootStrap介紹

Bootstrap是美國Twitter公司的設(shè)計師Mark Otto和Jacob Thornton基于HTML、CSS、JavaScript合作開發(fā)的簡潔、直觀、強悍的前端開發(fā)框架。Bootstrap提供了優(yōu)雅的HTML和CSS規(guī)范，即是由動態(tài)CSS語言Less寫成。Less是一個CSS預(yù)處理器，使CSS具有動態(tài)性，并能夠很方便地獲取數(shù)據(jù)的更新，實現(xiàn)頁面視圖與數(shù)據(jù)模型的交互［5］。

2 平臺的設(shè)計與實現(xiàn)

2.1 平臺總體設(shè)計

平臺使用MVC的編程模式和前后端分離的設(shè)計方式進(jìn)行開發(fā)。對于前端，采用BootStrap框架將系統(tǒng)的各個可視化部分設(shè)計為一個個組件，通過具有相似功能的模塊直接調(diào)用組件就可以起到相同的效果，降低了代碼的復(fù)用性，節(jié)約開發(fā)的時間成本，也有利于平臺內(nèi)容的動態(tài)實現(xiàn)。對于后端，使用Flask框架做整合，并在WSGI中結(jié)合Neo4j圖數(shù)據(jù)庫，實現(xiàn)對數(shù)據(jù)的增刪改查。

系統(tǒng)的整體結(jié)構(gòu)如圖1所示，其中，將可視化后的知識圖譜展示給用戶，主要是通過首頁的高原植物簡介來完成，用戶可以大致了解高原植物的物種多樣性、使用價值以及保護(hù)意義；用戶可以通過圖譜的總體展示來了解每種植物的門類、各植物間的相互聯(lián)系和各植物的具體屬性；植物檢索可以幫助用戶認(rèn)識到具體植物的圖像信息、分布信息、醫(yī)學(xué)屬性等。面向后臺管理員的主要功能有圖數(shù)據(jù)庫中的關(guān)系數(shù)據(jù)、節(jié)點數(shù)據(jù)、屬性數(shù)據(jù)以及通過可視化接口實現(xiàn)對系統(tǒng)內(nèi)容的動態(tài)增刪改查。

2.1.1 用戶模塊

用戶進(jìn)入圖譜首頁后可以看到高原植物的起源與歷史，大致認(rèn)識到高原植物的重要意義、瀕危程度以及生態(tài)保護(hù)的重要性。用戶可以看到圖譜的節(jié)點、關(guān)系和屬性圖示。在植物檢索模塊，用戶可以根據(jù)自己的需求進(jìn)行檢索，以獲取所需的具體植物信息。

2.1.2 后臺管理模塊

管理員可以通過系統(tǒng)的后臺管理實現(xiàn)對知識圖譜中的植物圖示進(jìn)行增刪改查的操作；可以根據(jù)植物種類的類別模塊進(jìn)行總體信息更新，也可以對某一具體植物信息進(jìn)行操作，并根據(jù)不同的需求分配不同的權(quán)限以此實現(xiàn)對不同數(shù)據(jù)信息的更新。

2.2 圖數(shù)據(jù)庫設(shè)計

本系統(tǒng)采用Neo4j圖數(shù)據(jù)庫，為了更好、更高效地描述實體之間的關(guān)系，圖數(shù)據(jù)事務(wù)的設(shè)計嚴(yán)格遵循ACID性質(zhì)，保證其原子性、一致性、隔離性和永久性的統(tǒng)一［6］。系統(tǒng)的圖數(shù)據(jù)庫如圖2所示。

系統(tǒng)根據(jù)圖1的整體設(shè)計得出的數(shù)據(jù)庫設(shè)計見表1。

表1 數(shù)據(jù)庫設(shè)計

2.3 重要技術(shù)實現(xiàn)

2.3.1 數(shù)據(jù)獲取

知識圖譜的數(shù)據(jù)獲取主要有兩種方式：一是半公開或者公開的數(shù)據(jù)集；二是抓取網(wǎng)絡(luò)上公開的相關(guān)數(shù)據(jù)。系統(tǒng)結(jié)合兩種方式，以公開數(shù)據(jù)集為主，以抓取網(wǎng)絡(luò)數(shù)據(jù)為補充，形成本系統(tǒng)的數(shù)據(jù)來源。引用openkg“大規(guī)模1.4億中文知識圖譜開源下載”的數(shù)據(jù)集，對其進(jìn)行篩選獲得主要數(shù)據(jù)，并對“中國植物志”中的半公開數(shù)據(jù)進(jìn)行抓取作為數(shù)據(jù)的補充來源，因此確保了數(shù)據(jù)的完整性。

2.3.2 信息抽取

信息抽取主要涵蓋了實體抽取、關(guān)系抽取和屬性抽取。對于從openkg中獲取的公開數(shù)據(jù)集，通過對其使用正則表達(dá)式（re函數(shù)庫）進(jìn)行簡單的數(shù)據(jù)篩選，就獲得了系統(tǒng)圖譜所需的候選知識單元；對于自行抓取的數(shù)據(jù)信息，采取Python中 的NumPy、Pandas、Matplotlib、Scipy等數(shù)據(jù)處理函數(shù)庫進(jìn)行數(shù)據(jù)的分析與處理，得到一系列離散的命名實體和實體間的關(guān)聯(lián)關(guān)系［7］。

2.3.3 知識融合

知識融合主要關(guān)鍵技術(shù)包括指代消解、實體消歧、實體鏈接和知識合并。通過信息抽取獲取的信息個體之間是扁平的，因此個體之間缺乏層次性和邏輯性，并且還存在冗余的信息碎片［8］。因此，需要知識融合技術(shù)將多個知識個體進(jìn)行整合，從而形成知識庫。通過設(shè)立encode_onehot方法對標(biāo)簽進(jìn)行編碼，對上述處理后的數(shù)據(jù)按照植物學(xué)的界門綱目科屬種進(jìn)行分類，同時對基于“實體-關(guān)系-實體”的三元組數(shù)據(jù)進(jìn)行數(shù)據(jù)整合，這只是合并過程中對三元組中的頂點、邊進(jìn)行任意多屬性的補充，從而形成最后的CSV數(shù)據(jù)文件，即property graph。

2.3.4 知識加工

知識加工主要包含以下三個方面：本體構(gòu)建、知識推理和質(zhì)量評估。將系統(tǒng)經(jīng)過上述步驟處理的知識進(jìn)行結(jié)構(gòu)化、網(wǎng)絡(luò)化，從而獲得完整的知識體系并確保了知識庫的質(zhì)量。將植物數(shù)據(jù)三元組中的節(jié)點按照植物類別和具體植物進(jìn)行本體的構(gòu)建，以此獲得本體的相似性。在知識圖譜的雛形構(gòu)建完成后，根據(jù)其自身屬性和鄰居信息對后續(xù)節(jié)點信息進(jìn)行節(jié)點分類，通過知識推理的方法獲取更為完整的植物知識圖譜系統(tǒng)。

3 結(jié)語

主要論述了基于neo4j圖數(shù)據(jù)庫和Flask框架的一個高原植物知識圖譜系統(tǒng)的設(shè)計與實現(xiàn)，重點介紹了項目的總體結(jié)構(gòu)設(shè)計以及圖數(shù)據(jù)庫的知識庫設(shè)計等內(nèi)容。通過采用知識融合、知識推理的技術(shù)來獲取完整、高效的知識庫，最后通過BootStrap框架對高原植物知識庫進(jìn)行可視化顯示，基本達(dá)到了最終的目標(biāo)。