李童心, 王維平, 王 濤, 李小波

(國(guó)防科技大學(xué)系統(tǒng)工程學(xué)院, 湖南 長(zhǎng)沙 410073)

0 引 言

戰(zhàn)略是研究軍事力量運(yùn)用與建設(shè)全局性指導(dǎo)規(guī)律的理論,隨著人類(lèi)對(duì)軍事力量運(yùn)用與建設(shè)指導(dǎo)規(guī)律認(rèn)識(shí)的逐步深化而不斷發(fā)展。戰(zhàn)略的基本成分包括戰(zhàn)略目標(biāo)、戰(zhàn)略方針和戰(zhàn)略手段[1]。戰(zhàn)略目標(biāo)是國(guó)家為了實(shí)現(xiàn)總的政治目的而對(duì)軍事斗爭(zhēng)提出的基本要求,是在一定時(shí)期內(nèi)軍事斗爭(zhēng)的基本指向和全局上所要達(dá)到的最終結(jié)果,主要是解決“做什么”的問(wèn)題;戰(zhàn)略方針是指導(dǎo)軍事斗爭(zhēng)和軍事力量建設(shè)全局的總綱領(lǐng)、總原則,主要解決“怎么做”的問(wèn)題;戰(zhàn)略手段是實(shí)現(xiàn)戰(zhàn)略目標(biāo)的力量及其作用方式,主要解決“用什么做”的問(wèn)題,即用什么進(jìn)行軍事斗爭(zhēng)和怎樣進(jìn)行軍事斗爭(zhēng),是戰(zhàn)略指導(dǎo)者根據(jù)戰(zhàn)略目標(biāo)和戰(zhàn)略方針的要求,使用軍事力量,開(kāi)展軍事斗爭(zhēng)的具體行動(dòng)。從很大程度上來(lái)講,戰(zhàn)略是目標(biāo)和手段的統(tǒng)一,戰(zhàn)略手段是戰(zhàn)略研究中最為重要的內(nèi)容。沒(méi)有戰(zhàn)略手段的戰(zhàn)略是不存在的,也是毫無(wú)意義的,戰(zhàn)略目標(biāo)和戰(zhàn)略方針規(guī)定戰(zhàn)略行動(dòng)的目標(biāo)、方向、綱領(lǐng)和準(zhǔn)則,以及實(shí)現(xiàn)目標(biāo)的基本途徑,但還不是行動(dòng)本身,只有通過(guò)戰(zhàn)略手段,才能將其付諸實(shí)施,使其得以貫徹落實(shí)。如何系統(tǒng)、有效地刻畫(huà)、建模分析和評(píng)估對(duì)手的戰(zhàn)略,是軍事戰(zhàn)略指導(dǎo)需要關(guān)注的重點(diǎn),是新形勢(shì)下的軍事力量建設(shè)與運(yùn)用的重要參考,也是值得研究的重要問(wèn)題。

戰(zhàn)略目標(biāo)的實(shí)現(xiàn)需要相關(guān)建設(shè)項(xiàng)目來(lái)支撐:① 科技和人才是打贏信息化戰(zhàn)爭(zhēng)的關(guān)鍵,建設(shè)項(xiàng)目是發(fā)展科技、培養(yǎng)人才的重要手段,項(xiàng)目投資可以直接反應(yīng)對(duì)手對(duì)相關(guān)領(lǐng)域的重視程度;② 一方面，項(xiàng)目投資是對(duì)手戰(zhàn)略目標(biāo)的重要體現(xiàn),另一方面，對(duì)手的戰(zhàn)略目標(biāo)也需要通過(guò)投資相關(guān)項(xiàng)目付諸實(shí)施;③項(xiàng)目投資涉及到政治、經(jīng)濟(jì)、地理、科技、外交、文化等相關(guān)領(lǐng)域,有利于系統(tǒng)、宏觀地研究對(duì)手戰(zhàn)略目標(biāo);④ 和平與發(fā)展仍然是當(dāng)今時(shí)代的主題,特別是對(duì)我國(guó)而言,雖同對(duì)手在諸多領(lǐng)域進(jìn)行激烈斗爭(zhēng),但并未有任何軍事或戰(zhàn)爭(zhēng)行動(dòng),直接通過(guò)軍事行為研究對(duì)手戰(zhàn)略目標(biāo)素材較少。故本文將對(duì)手的項(xiàng)目投資視為其戰(zhàn)略手段,并建模、分析和評(píng)估建設(shè)項(xiàng)目與戰(zhàn)略目標(biāo)的關(guān)系。

在新形勢(shì)下,軍事戰(zhàn)略研究涉及的空間和領(lǐng)域越來(lái)越廣,關(guān)注的問(wèn)題越來(lái)越多,雖然有海量的數(shù)據(jù),但是存在數(shù)據(jù)利用難、組織難的問(wèn)題。同時(shí),隨著對(duì)戰(zhàn)略目標(biāo)研究的深入,對(duì)科學(xué)性、時(shí)效性的要求也越來(lái)越高,但是傳統(tǒng)的研究方法和手段比較單一,大都以定性分析、主觀判斷為主,定量分析、檢驗(yàn)手段少,并且很少有研究把戰(zhàn)略目標(biāo)與建設(shè)項(xiàng)目結(jié)合起來(lái)進(jìn)行分析,缺少項(xiàng)目和戰(zhàn)略目標(biāo)分析的統(tǒng)一框架[2]。如何對(duì)戰(zhàn)略目標(biāo)與建設(shè)項(xiàng)目數(shù)據(jù)進(jìn)行有效的組織、挖掘和關(guān)聯(lián),并分析建設(shè)項(xiàng)目與戰(zhàn)略目標(biāo)的關(guān)系，是一個(gè)重要問(wèn)題。

本文創(chuàng)新性地提出了戰(zhàn)略智能體信念-愿望-意圖(belief-desire-intention， BDI)模型作為研究建設(shè)項(xiàng)目與戰(zhàn)略目標(biāo)的邏輯框架,采用知識(shí)圖譜存儲(chǔ)建設(shè)項(xiàng)目和戰(zhàn)略目標(biāo)的相關(guān)知識(shí),最終用知識(shí)圖譜推理等技術(shù)實(shí)現(xiàn)戰(zhàn)略智能體BDI模型,為戰(zhàn)略目標(biāo)與建設(shè)項(xiàng)目預(yù)實(shí)踐研究提供了一種新思路。本文首先提出戰(zhàn)略智能體BDI模型框架,然后介紹知識(shí)圖譜技術(shù)在建設(shè)項(xiàng)目和戰(zhàn)略目標(biāo)研究中的應(yīng)用,最后詳細(xì)介紹知識(shí)圖譜相關(guān)技術(shù)在戰(zhàn)略智能體BDI模型中的應(yīng)用,研究建設(shè)項(xiàng)目與戰(zhàn)略目標(biāo)的關(guān)系。

1 戰(zhàn)略智能體BDI模型

1.1 BDI模型

本文提出戰(zhàn)略智能體BDI模型的思想來(lái)源于BDI模型[3]。BDI概念的哲學(xué)觀點(diǎn)源自Bratman,這一模型的特點(diǎn)在于通過(guò)簡(jiǎn)單的形式,較清晰地揭示人類(lèi)自主體的結(jié)構(gòu)。從構(gòu)成上說(shuō),自主體是信念、愿望、意圖的三元組(B、D、I)。從過(guò)程上說(shuō),自主體完成它的推理要經(jīng)過(guò)如圖1所示的階段[4]。

圖1 BDI模型框架Fig.1 BDI model framework

由圖1可知,自主體在得到感知的環(huán)境信息后,基于已有信念,通過(guò)信念修正函數(shù),形成新的信念集合。自主體的選擇生成函數(shù)基于已有的信念,形成相應(yīng)的愿望。自主體的過(guò)濾函數(shù),根據(jù)當(dāng)前的信息、愿望和意圖,確定新的意圖,以便在多種可能行為中做出選擇。最后,自主體借助行動(dòng)選擇函數(shù),根據(jù)意圖確定接下來(lái)要執(zhí)行的行動(dòng)[5]。

1.2 戰(zhàn)略智能體BDI模型框架

將BDI模型的思想引入到建設(shè)項(xiàng)目和戰(zhàn)略目標(biāo)的研究中,本文提出了戰(zhàn)略智能體BDI模型框架,與BDI模型從信念、愿望到意圖的自頂向下的分析思路不同,本文提出的是從項(xiàng)目、體系、能力到目標(biāo)的自底向上的分析邏輯框架[6],如圖2所示。其中,戰(zhàn)略目標(biāo)的實(shí)現(xiàn)以軍事方面的能力為核心,同時(shí)包括政治、經(jīng)濟(jì)、地理、科技、外交、文化等相關(guān)領(lǐng)域在內(nèi)的綜合能力。這種能力既可以是現(xiàn)實(shí)能力,也可以是潛在能力;既可以是硬實(shí)力,也可以是軟實(shí)力。其作用方式,既可以是戰(zhàn)爭(zhēng)行動(dòng),也可以是非軍事行動(dòng)，既可以通過(guò)威懾,也可以通過(guò)實(shí)戰(zhàn)。能力的實(shí)現(xiàn)需要相關(guān)體系來(lái)保障,不同的體系組合形成能力。而一個(gè)體系是由相關(guān)建設(shè)項(xiàng)目構(gòu)成的,多種項(xiàng)目支撐起體系構(gòu)建。通過(guò)項(xiàng)目-體系推理機(jī),可以推理出建設(shè)項(xiàng)目的所屬體系類(lèi)別;通過(guò)體系-能力推理機(jī),可以推理出不同體系組合構(gòu)成的能力;通過(guò)能力-目標(biāo)推理機(jī),可以從當(dāng)前能力建設(shè)推理出戰(zhàn)略目標(biāo)。

圖2 戰(zhàn)略智能體BDI模型框架Fig.2 Strategic agent BDI model framework

戰(zhàn)略智能體BDI模型把項(xiàng)目和戰(zhàn)略目標(biāo)放在了統(tǒng)一框架下進(jìn)行分析,提出了從項(xiàng)目、體系、能力到戰(zhàn)略目標(biāo)分析的邏輯框架,本文在第2節(jié)引入信息抽取和知識(shí)圖譜技術(shù),以此實(shí)現(xiàn)所提的模型。

2 知識(shí)圖譜技術(shù)

知識(shí)圖譜技術(shù)的發(fā)展為研究建設(shè)項(xiàng)目與戰(zhàn)略目標(biāo)帶來(lái)了契機(jī)。知識(shí)圖譜是一種知識(shí)表示形式[7],知識(shí)表示是對(duì)人類(lèi)知識(shí)或現(xiàn)實(shí)世界事實(shí)的形式化建模[8],有效的知識(shí)表示方法能夠?qū)崿F(xiàn)知識(shí)從人類(lèi)可讀到機(jī)器可讀的轉(zhuǎn)換[9],能夠支持?jǐn)?shù)據(jù)的查詢(xún)、擴(kuò)展、融合、關(guān)聯(lián)和推理[10]。合理的知識(shí)表示不僅使問(wèn)題更容易解決,而且具有更高的效率[11]。

通過(guò)構(gòu)建知識(shí)圖譜,可以自動(dòng)化地從非結(jié)構(gòu)化數(shù)據(jù)中抽取實(shí)體、關(guān)系等結(jié)構(gòu)化知識(shí)[12-14],將知識(shí)圖譜引入到建設(shè)項(xiàng)目與戰(zhàn)略目標(biāo)的研究中，可以有效解決目前的困境。首先，知識(shí)圖譜的模式層可以有效表示領(lǐng)域?qū)＜抑R(shí)[15],這部分知識(shí)定義并約束了實(shí)例層數(shù)據(jù),同時(shí)可以作為先驗(yàn)知識(shí),指導(dǎo)信息抽取和后續(xù)的其他任務(wù)[16-18]；其次，知識(shí)圖譜可以系統(tǒng)化地建模各領(lǐng)域的知識(shí),并將眾多領(lǐng)域知識(shí)表示在統(tǒng)一的框架之下,同時(shí)也能將戰(zhàn)略研究關(guān)注的眾多問(wèn)題置于統(tǒng)一的框架下進(jìn)行分析研究,有利于系統(tǒng)、全面地分析對(duì)手建設(shè)項(xiàng)目與戰(zhàn)略目標(biāo)的關(guān)系[19]；再次，知識(shí)圖譜建模的是結(jié)構(gòu)化、機(jī)器可讀的知識(shí),有利于知識(shí)的快讀檢索、知識(shí)共享和知識(shí)關(guān)聯(lián)分析；最后,由于各建設(shè)項(xiàng)目往往是孤立存在的,通過(guò)知識(shí)圖譜推理等技術(shù)可以進(jìn)一步挖掘建設(shè)項(xiàng)目間的潛在關(guān)聯(lián)關(guān)系。同時(shí)，知識(shí)建設(shè)項(xiàng)目的屬性、關(guān)聯(lián)關(guān)系等信息可能存在錯(cuò)誤,通過(guò)不同數(shù)據(jù)源間的關(guān)聯(lián)驗(yàn)證和知識(shí)糾錯(cuò)技術(shù)，可以發(fā)現(xiàn)并糾正知識(shí)圖譜中的錯(cuò)誤信息,為研究建設(shè)項(xiàng)目與戰(zhàn)略目標(biāo)的關(guān)系提供更加豐富、準(zhǔn)確、完整的信息[20-22]。

本文的主要研究基于知識(shí)圖譜的推理機(jī)實(shí)現(xiàn)。為了提高知識(shí)圖譜的推理效率,本文引入知識(shí)圖譜嵌入技術(shù),也稱(chēng)為知識(shí)表示學(xué)習(xí),將知識(shí)圖譜中包含的實(shí)體和關(guān)系嵌入到連續(xù)的向量空間中,從而在保持知識(shí)圖譜內(nèi)在結(jié)構(gòu)和信息的同時(shí)簡(jiǎn)化操作,提高計(jì)算效率，可以用于知識(shí)圖譜補(bǔ)全、關(guān)系提取、知識(shí)推理等各種下游任務(wù),得到了廣泛的關(guān)注。隨著知識(shí)規(guī)模的不斷擴(kuò)增,傳統(tǒng)的資源描述框架(resource description framework,RDF)知識(shí)表示方法難以應(yīng)對(duì)大規(guī)模知識(shí)的表示問(wèn)題。因此,為了更好地表示知識(shí)的特征,本文需要利用知識(shí)表示學(xué)習(xí)技術(shù)來(lái)表示知識(shí)的潛在特征。

在描述知識(shí)表示學(xué)習(xí)相關(guān)技術(shù)之前,本文首先對(duì)知識(shí)表示技術(shù)中的相關(guān)符號(hào)進(jìn)行說(shuō)明。其中,G表示一個(gè)知識(shí)圖譜；E和R分別表示實(shí)體和關(guān)系集合；T表示三元組集合；ei表示實(shí)體集合中的第i個(gè)實(shí)體,rj表示關(guān)系集合中的第j個(gè)關(guān)系。除此之外,ei也可以根據(jù)實(shí)體在知識(shí)圖譜三元組中的位置分為頭實(shí)體h和尾實(shí)體t；τ=(e1,r,e2)或者τ=(h,r,t)表示一個(gè)三元組；ei和rj分別表示實(shí)體和關(guān)系的低維向量(矩陣)；de和dr分別表示實(shí)體和關(guān)系空間的維度,|E|和|R|表示實(shí)體關(guān)系集合的長(zhǎng)度。

定義 1(知識(shí)圖譜嵌入)給定一個(gè)知識(shí)圖譜G=(E,R,T),知識(shí)圖譜嵌入可以表示為一個(gè)步驟映射f:ei→ei∈Rde,rj→rj∈Rdr。其中，de?|E|,dr?|R|。

在知識(shí)嵌入模型中,最關(guān)鍵的就是設(shè)計(jì)映射函數(shù)f,進(jìn)而可得到更好的實(shí)體關(guān)系潛在特征。一般而言,知識(shí)圖譜的嵌入主要基于知識(shí)圖譜中已經(jīng)存在的三元組,也有一些方法需要用到知識(shí)圖譜中的屬性、文本描述等信息。給定一個(gè)知識(shí)圖譜,知識(shí)圖譜的嵌入首先需要將實(shí)體和關(guān)系表示成低維空間的連續(xù)向量,然后定義一個(gè)得分函數(shù)來(lái)評(píng)估這個(gè)三元組成立的概率,最終實(shí)體和關(guān)系的嵌入可以通過(guò)最大化全局概率獲得。目前,知識(shí)圖譜嵌入的方法主要分為3類(lèi):基于平移的距離模型[23-26]、基于張量分解模型[27-28]和基于神經(jīng)網(wǎng)絡(luò)的模型[29-34]。除此之外,在這些方法的基礎(chǔ)上,還有一些模型利用圖譜中的輔助信息來(lái)進(jìn)一步增強(qiáng)知識(shí)圖譜嵌入[35-37]。

通過(guò)將知識(shí)圖譜及其推理技術(shù)引入到建設(shè)項(xiàng)目數(shù)據(jù)和戰(zhàn)略目標(biāo)的研究中,再結(jié)合戰(zhàn)略智能體BDI模型,可以有效解決新形勢(shì)下戰(zhàn)略研究面臨的挑戰(zhàn)。然而,本文構(gòu)建的建設(shè)項(xiàng)目與戰(zhàn)略規(guī)劃領(lǐng)域的知識(shí)圖譜是特定領(lǐng)域知識(shí)圖譜,相較于開(kāi)放領(lǐng)域知識(shí)圖譜,存在較大的差異,尤其表現(xiàn)在建設(shè)項(xiàng)目涉及的諸多因素存在較大的不確定性,包括對(duì)預(yù)測(cè)和估算的各項(xiàng)投入、產(chǎn)出數(shù)據(jù)的不確定性以及項(xiàng)目間關(guān)聯(lián)關(guān)系的不確定性等。傳統(tǒng)的知識(shí)圖譜無(wú)法表示數(shù)據(jù)間的不確定信息,本文對(duì)知識(shí)圖譜中的每個(gè)三元組賦權(quán)重,即置信度分?jǐn)?shù),表示三元組成立的可能性,稱(chēng)其為不確定知識(shí)圖譜。本文研究的推理機(jī)主要針對(duì)建設(shè)項(xiàng)目與戰(zhàn)略規(guī)劃領(lǐng)域的不確定知識(shí)圖譜進(jìn)行推理。

3 基于知識(shí)圖譜的戰(zhàn)略智能體BDI模型

本文經(jīng)過(guò)前期的調(diào)研,得到了美國(guó)戰(zhàn)略和預(yù)算評(píng)估報(bào)告、美政府問(wèn)責(zé)局審計(jì)報(bào)告、蘭德公司戰(zhàn)略研究報(bào)告等公開(kāi)的評(píng)估案例數(shù)據(jù),其中包含了大量的表格數(shù)據(jù)、網(wǎng)頁(yè)數(shù)據(jù)與文本報(bào)告。經(jīng)過(guò)數(shù)據(jù)預(yù)處理,本文獲取了對(duì)方的國(guó)防建設(shè)項(xiàng)目經(jīng)費(fèi)投入投向等結(jié)構(gòu)化數(shù)據(jù)、對(duì)各個(gè)項(xiàng)目詳細(xì)描述的半結(jié)構(gòu)化數(shù)據(jù),以及相關(guān)戰(zhàn)略與能力評(píng)估報(bào)告的文本類(lèi)數(shù)據(jù)?；谶@些數(shù)據(jù),本文提出基于知識(shí)圖譜的戰(zhàn)略智能體BDI模型框架,形成從建設(shè)項(xiàng)目到戰(zhàn)略目標(biāo)的一體化分析流程,最終得到相對(duì)完善的國(guó)防建設(shè)項(xiàng)目-戰(zhàn)略目標(biāo)圖譜,如圖3所示。

圖3 基于知識(shí)圖譜的戰(zhàn)略智能體BDI模型框架Fig.3 Strategic agent BDI model framework based on knowledge graph

3.1 三類(lèi)知識(shí)圖譜

國(guó)防建設(shè)項(xiàng)目圖譜用來(lái)表達(dá)對(duì)手項(xiàng)目預(yù)算在各重大戰(zhàn)略領(lǐng)域的實(shí)際投入分布情況。具體而言,國(guó)防建設(shè)項(xiàng)目圖譜以項(xiàng)目為中心,包含眾多概念、關(guān)系和屬性的領(lǐng)域知識(shí)圖譜。其基于這樣的假設(shè):對(duì)手在某戰(zhàn)略領(lǐng)域的投資預(yù)算越大,則在該領(lǐng)域的戰(zhàn)略意圖越明顯。因此,關(guān)聯(lián)分析不同戰(zhàn)略領(lǐng)域的項(xiàng)目預(yù)算分布,可為感知、識(shí)別和判斷對(duì)手戰(zhàn)略意圖提供重要基礎(chǔ)和參考。國(guó)防建設(shè)項(xiàng)目圖譜構(gòu)建是領(lǐng)域知識(shí)圖譜,主要包括項(xiàng)目本體建模和項(xiàng)目圖譜構(gòu)建,與一般的開(kāi)放領(lǐng)域知識(shí)圖譜(采用自底向上的方式構(gòu)建)不同,通常采用自頂向下的方式構(gòu)建,包括模式層(用本體表示)和實(shí)例層。模式層由領(lǐng)域?qū)＜覅⑴c構(gòu)建,表達(dá)了國(guó)防項(xiàng)目投資分析領(lǐng)域內(nèi)廣泛認(rèn)可的知識(shí)和公理,定義了領(lǐng)域內(nèi)概念分類(lèi)體系、關(guān)系、屬性、數(shù)據(jù)類(lèi)型和知識(shí)邊界,同時(shí)嚴(yán)格定義和約束了實(shí)例層數(shù)據(jù),是國(guó)防建設(shè)項(xiàng)目圖譜的重要組成部分。實(shí)例層由大量的國(guó)防項(xiàng)目投資實(shí)例數(shù)據(jù)組成,比如國(guó)防經(jīng)費(fèi)投入投向數(shù)據(jù)等。

戰(zhàn)略評(píng)估圖譜以戰(zhàn)略目標(biāo)和能力建設(shè)為中心,用來(lái)表達(dá)和刻畫(huà)戰(zhàn)略目標(biāo)間的關(guān)聯(lián)關(guān)系，以及戰(zhàn)略目標(biāo)與其支撐項(xiàng)能力建設(shè)的關(guān)聯(lián)關(guān)系。這些關(guān)聯(lián)關(guān)系可能是間接的、隱式的,需要通過(guò)關(guān)聯(lián)分析和知識(shí)推理的方式獲取。戰(zhàn)略評(píng)估圖譜也是領(lǐng)域知識(shí)圖譜,其構(gòu)建過(guò)程與國(guó)防建設(shè)項(xiàng)目圖譜類(lèi)似,不同之處在于構(gòu)建戰(zhàn)略評(píng)估圖譜的數(shù)據(jù)源為文本類(lèi)非結(jié)構(gòu)化數(shù)據(jù),需要從中抽取出需要的實(shí)體和關(guān)系知識(shí)。

國(guó)防建設(shè)項(xiàng)目-戰(zhàn)略圖譜是由上述兩類(lèi)知識(shí)圖譜經(jīng)過(guò)融合后得到的知識(shí)圖譜。

3.2 推理機(jī)

推理機(jī)是指一系列的推理規(guī)則和推理算法的有機(jī)組合。為了提高建設(shè)項(xiàng)目知識(shí)圖譜的推理效率,需要將知識(shí)圖譜中的實(shí)體和關(guān)系表示到向量空間,但是直接將針對(duì)開(kāi)放領(lǐng)域知識(shí)圖譜的表示學(xué)習(xí)方法用于建設(shè)項(xiàng)目知識(shí)圖譜的向量化會(huì)存在很多缺陷:一方面,當(dāng)前知識(shí)圖譜嵌入主要研究的是基于確定性知識(shí)圖譜的表示學(xué)習(xí),對(duì)不確定知識(shí)圖譜嵌入的研究很少,而本文采用置信度分?jǐn)?shù)表示每個(gè)三元組的可靠性程度,包含了豐富的背景知識(shí),將其引入到知識(shí)圖譜的表示學(xué)習(xí)中至關(guān)重要;另一方面,本文構(gòu)建的知識(shí)圖譜是領(lǐng)域知識(shí)圖譜,其背后隱藏了大量的規(guī)則知識(shí),大多數(shù)現(xiàn)有方法僅基于事實(shí)三元組執(zhí)行嵌入任務(wù),針對(duì)其中包含的邏輯規(guī)則并未進(jìn)行深入研究。而邏輯規(guī)則包含了豐富的背景知識(shí),對(duì)下游的知識(shí)圖譜推理應(yīng)用具有重要價(jià)值?，F(xiàn)有的知識(shí)表示學(xué)習(xí)方法較少地全面考慮不確定性和圖譜背后的邏輯規(guī)則,將這些方法直接用于本文構(gòu)建的知識(shí)圖譜的表示學(xué)習(xí)，會(huì)導(dǎo)致大量先驗(yàn)信息的損失,進(jìn)而對(duì)后續(xù)推理任務(wù)產(chǎn)生不利影響。

針對(duì)以上問(wèn)題,本文參考文獻(xiàn)[38]提出的不確定知識(shí)圖譜的嵌入方法,提出融入權(quán)重和邏輯規(guī)則的建設(shè)項(xiàng)目領(lǐng)域知識(shí)圖譜表示學(xué)習(xí)方法,在知識(shí)表示學(xué)習(xí)的過(guò)程中同時(shí)考慮權(quán)重信息,并把邏輯規(guī)則嵌入到學(xué)習(xí)模型當(dāng)中,以保證在向量化的過(guò)程中損失的信息更少,提高下游推理的準(zhǔn)確性。

3.2.1 嵌入權(quán)重信息

首先,考慮利用每個(gè)三元組的權(quán)重信息,本文建立嵌入模型的三元組置信度得分,并把每個(gè)三元組訓(xùn)練得到的權(quán)重與其真實(shí)值進(jìn)行比較。一個(gè)三元組的可信度定義如下。

定義 2(可信度)給定一個(gè)關(guān)系事實(shí)三元組l,可信度g(l)∈R表示這個(gè)關(guān)系成立的可能性?？尚哦瓤杀灰暈槭俏幢粯?biāo)準(zhǔn)化的置信度得分s,其值的大小代表了s的大小。

給定一個(gè)三元組l=(h,r,t),其相應(yīng)的嵌入向量為h,r,t,參考TransE模型[39]基于距離的思想和DistMult模型[40]基于語(yǔ)義相似度的思想,本文建模了兩種可信度函數(shù):

(1)

g(l)=r·(h°t)

(2)

為了把可信度轉(zhuǎn)換為置信度得分,采用轉(zhuǎn)換函數(shù)φ(·)把g(l)映射到置信度得分f(l)。

f(l)=φ(g(l)),φ:R→[0,1]

(3)

本文考慮了兩種映射函數(shù):一種是采用邏輯函數(shù),一種采用線(xiàn)性有界函數(shù)。

(4)

φ(x)=min(max(wx+b,0),1)

(5)

3.2.2 嵌入邏輯規(guī)則

為了更好地評(píng)估置信度得分,應(yīng)該充分利用知識(shí)圖譜中存在和不可見(jiàn)的關(guān)系事實(shí)。為了更合理地評(píng)估不可見(jiàn)的關(guān)系事實(shí)的置信度,本文充分利用知識(shí)圖譜背后包含的規(guī)則信息,采用概率軟邏輯把邏輯推理嵌入到模型當(dāng)中。邏輯規(guī)則是由規(guī)則頭和規(guī)則主體以head←body的形式定義的。規(guī)則頭是一個(gè)原子,例如一個(gè)頭實(shí)體或尾實(shí)體可變的三元組,其規(guī)則主體通常是原子的集合。例如:

(A,similarTo,C)←
(A,similarTo,B)∧(B,similarTo,C)

(6)

式(6)是一條非常簡(jiǎn)單的傳遞性規(guī)則,其語(yǔ)義是,如果項(xiàng)目A與項(xiàng)目B是相似的(研究類(lèi)似的問(wèn)題),項(xiàng)目B與項(xiàng)目C是相似的,那么可以推理出項(xiàng)目A與項(xiàng)目C是相似的,來(lái)進(jìn)一步補(bǔ)全實(shí)體A和C之間的關(guān)系。規(guī)則推理具有很好的解釋性和準(zhǔn)確率,本文的規(guī)則來(lái)源主要有兩個(gè)方面:首先,針對(duì)建設(shè)項(xiàng)目領(lǐng)域知識(shí)圖譜,可以通過(guò)領(lǐng)域?qū)＜业南闰?yàn)知識(shí),采用人工的方式構(gòu)建;另一方面,通過(guò)規(guī)則挖掘系統(tǒng)基于不完備知識(shí)庫(kù)的關(guān)聯(lián)規(guī)則挖掘算法,是利用知識(shí)圖譜中的頻繁模式挖掘規(guī)則的方法。由邏輯規(guī)則可以產(chǎn)生基本規(guī)則,即規(guī)則頭和規(guī)則體中的三元組包含的是具體的實(shí)體。

與布爾邏輯不同,概率軟邏輯將每個(gè)三元組與區(qū)間為[0,1]的軟真值關(guān)聯(lián)起來(lái),這與本文中的置信度分?jǐn)?shù)相對(duì)應(yīng),使模糊推理成為可能。把軟真值的賦值過(guò)程稱(chēng)為解釋,本文把三元組l的軟真值解釋為I(l)。對(duì)于知識(shí)圖譜中已經(jīng)存在的關(guān)系事實(shí),其置信度得分也存在;對(duì)于看不見(jiàn)的三元組,可采用前面定義的基于嵌入的置信度得分函數(shù):

I(l)=sl,l∈L+

(7)

I(l)=f(l),l∈L-

(8)

式中:L+表示知識(shí)圖譜中可觀測(cè)到的三元組集合；L-表示知識(shí)圖譜中不可見(jiàn)的三元組集合；sl表示已有三元組的置信度分?jǐn)?shù)。

l1∧l2=max{0,I(l1)+I(l2)-1}

(9)

l1∨l2=min{1,I(l1)+I(l2)}

(10)

(11)

pγbody→γhead=min{1,1-I(γbody)+I(γhead)}

(12)

當(dāng)規(guī)則頭I(γhead)等于或高于其規(guī)則體I(γbody)時(shí),此規(guī)則γ才是合理的。定義基本規(guī)則與達(dá)到合理性的距離如下:

dγ=1-pγ=max{0,I(γbody)-I(γhead)}

(13)

對(duì)于知識(shí)圖譜中不可見(jiàn)的關(guān)系三元組l=(h,r,t)∈L-,定義基本規(guī)則γ0:

(14)

則

dγ0=f(l)

(15)

3.2.3 定義損失函數(shù)

最后,本文把置信度得分信息與邏輯推理同時(shí)嵌入到損失函數(shù)當(dāng)中,訓(xùn)練最優(yōu)化函數(shù),得到最終的實(shí)體和關(guān)系的嵌入向量。

首先,要計(jì)算知識(shí)圖譜中可見(jiàn)的關(guān)系事實(shí)的損失,設(shè)L+是知識(shí)圖譜中可見(jiàn)的關(guān)系事實(shí)集,目標(biāo)是最小化真實(shí)的置信度得分sl與預(yù)測(cè)得分f(l)之間的均方誤差:

(16)

其次,不可見(jiàn)關(guān)系事實(shí)的損失為

(17)

式中:Γl表示三元組l作為規(guī)則頭的基本規(guī)則集;ωγ表示規(guī)則γ的權(quán)重。

最后,得到聯(lián)合目標(biāo)損失函數(shù)為

(18)

本文給出了兩種可信度函數(shù)和兩種映射函數(shù),可以組合出4種不同的模型。通過(guò)最優(yōu)化聯(lián)合目標(biāo)損失函數(shù),得到4種模型最優(yōu)的實(shí)體和關(guān)系的向量表示,通過(guò)不同的評(píng)估指標(biāo),可以選擇最終的知識(shí)圖譜，將其嵌入向量，以實(shí)現(xiàn)推理。

3.3 3種推理機(jī)

基于知識(shí)圖譜的戰(zhàn)略智能體BDI模型重點(diǎn)研究了基于知識(shí)圖譜相關(guān)技術(shù)實(shí)現(xiàn)項(xiàng)目-體系推理機(jī)、能力-目標(biāo)推理機(jī)以及體系-能力推理機(jī)。

項(xiàng)目-體系推理機(jī)從國(guó)防經(jīng)費(fèi)投入投向等結(jié)構(gòu)化數(shù)據(jù)出發(fā),通過(guò)本體建模(主要包括項(xiàng)目編號(hào)、項(xiàng)目簡(jiǎn)短描述、年份、類(lèi)別、研發(fā)需求經(jīng)費(fèi)、白宮授權(quán)經(jīng)費(fèi)、參議院授權(quán)經(jīng)費(fèi)、國(guó)會(huì)變更經(jīng)費(fèi)和國(guó)會(huì)授權(quán)經(jīng)費(fèi)等項(xiàng)目信息)和圖譜構(gòu)建,構(gòu)建國(guó)防建設(shè)項(xiàng)目圖譜;再?gòu)南嚓P(guān)項(xiàng)目信息的半結(jié)構(gòu)化數(shù)據(jù)中抽取出有關(guān)項(xiàng)目體系的文本信息,人工提取與領(lǐng)域體系相關(guān)的特征,基于此對(duì)單個(gè)項(xiàng)目進(jìn)行分類(lèi),找出各個(gè)項(xiàng)目對(duì)應(yīng)的體系類(lèi)別,并通過(guò)實(shí)體鏈接技術(shù)加入到項(xiàng)目圖譜中。項(xiàng)目-體系推理機(jī)的實(shí)現(xiàn)重點(diǎn)在于基于知識(shí)圖譜技術(shù)對(duì)項(xiàng)目進(jìn)行分類(lèi),使數(shù)據(jù)從項(xiàng)目層鏈接到體系類(lèi)別信息。

能力-目標(biāo)推理機(jī)從相關(guān)戰(zhàn)略與能力評(píng)估報(bào)告的非結(jié)構(gòu)化數(shù)據(jù)出發(fā),通過(guò)實(shí)體和關(guān)系抽取、多源數(shù)據(jù)融合、圖譜構(gòu)建、知識(shí)圖譜內(nèi)部的補(bǔ)全和推理等,構(gòu)建戰(zhàn)略評(píng)估圖譜。能力-目標(biāo)推理機(jī)直接從文檔報(bào)告中,通過(guò)一系列知識(shí)圖譜構(gòu)建技術(shù),把能力與戰(zhàn)略目標(biāo)映射起來(lái)。能力-目標(biāo)推理機(jī)的實(shí)現(xiàn)重點(diǎn)在于從文本中聯(lián)合抽取能力與戰(zhàn)略目標(biāo)實(shí)體,并將其鏈接到知識(shí)圖譜中。

體系-能力推理機(jī)是對(duì)已構(gòu)建的兩類(lèi)知識(shí)圖譜進(jìn)行知識(shí)圖譜融合[41-42]、知識(shí)圖譜質(zhì)量提高、知識(shí)推理[43]，最終得到國(guó)防建設(shè)項(xiàng)目-戰(zhàn)略圖譜。體系-能力推理機(jī)可實(shí)現(xiàn)最終的目的,完成從建設(shè)項(xiàng)目到戰(zhàn)略目標(biāo)的映射,并且可以用項(xiàng)目知識(shí)圖譜補(bǔ)全戰(zhàn)略目標(biāo)的缺失信息。更進(jìn)一步,利用項(xiàng)目信息對(duì)戰(zhàn)略目標(biāo)中的錯(cuò)誤信息進(jìn)行修正,完善國(guó)防建設(shè)項(xiàng)目-戰(zhàn)略目標(biāo)圖譜建設(shè),為新時(shí)期制定對(duì)等或反制對(duì)手的軍事戰(zhàn)略方針提供重要參考和指導(dǎo)。體系-能力推理機(jī)的實(shí)現(xiàn)重點(diǎn)在于兩類(lèi)知識(shí)圖譜的融合機(jī)制,本文通過(guò)人工設(shè)計(jì)戰(zhàn)略領(lǐng)域體系與建設(shè)能力的對(duì)應(yīng)關(guān)系,對(duì)項(xiàng)目和戰(zhàn)略圖譜進(jìn)行融合，最終得到的國(guó)防建設(shè)項(xiàng)目—戰(zhàn)略知識(shí)圖譜，如圖4所示。

圖4 國(guó)防建設(shè)項(xiàng)目-戰(zhàn)略知識(shí)圖譜Fig.4 National defense construction project-strategic knowledge graph

4 結(jié) 論

本文采用信息抽取和知識(shí)圖譜技術(shù)挖掘和存儲(chǔ)建設(shè)項(xiàng)目和戰(zhàn)略目標(biāo)的相關(guān)知識(shí),基于建設(shè)項(xiàng)目-體系-能力-戰(zhàn)略目標(biāo)的一體化分析流程,創(chuàng)新性地提出了基于知識(shí)圖譜的戰(zhàn)略智能體BDI模型,并將其作為研究建設(shè)項(xiàng)目與戰(zhàn)略目標(biāo)的框架,可以有效解決新形勢(shì)下戰(zhàn)略研究面臨的挑戰(zhàn),為戰(zhàn)略目標(biāo)與建設(shè)項(xiàng)目預(yù)實(shí)踐研究提供了一種新思路。然而，仍存在一些問(wèn)題需要進(jìn)一步研究:① 缺少該領(lǐng)域的語(yǔ)料庫(kù),且大量數(shù)據(jù)沒(méi)有標(biāo)注,采用人工標(biāo)注耗時(shí)耗力;② 針對(duì)該領(lǐng)域,專(zhuān)家往往只是針對(duì)某部分表達(dá)專(zhuān)業(yè)知識(shí),缺少全面地描述信息,難以支撐模式層(本體)知識(shí)構(gòu)建;③ 目前采用的都是公開(kāi)領(lǐng)域的信息抽取方法,缺少針對(duì)該領(lǐng)域的專(zhuān)有實(shí)體、關(guān)系的抽取方法;④ 基于項(xiàng)目-戰(zhàn)略知識(shí)圖譜,不僅需要補(bǔ)全已知項(xiàng)目缺失的戰(zhàn)略目標(biāo)信息,還需要通過(guò)表示學(xué)習(xí),預(yù)測(cè)新項(xiàng)目的戰(zhàn)略目標(biāo)。