蘇 琦 史紅權 王義濤 孫東普 李 瑞

（海軍大連艦艇學院作戰(zhàn)軟件與仿真研究所 大連 116018）

1 引言

海戰(zhàn)場情報態(tài)勢，是指由?？兆鲬?zhàn)環(huán)境中各種兵力分布及戰(zhàn)場事件等要素組成的戰(zhàn)場整體狀態(tài)。隨著海戰(zhàn)場信息化程度不斷提升，能否準確、清晰地理解態(tài)勢，快速判斷戰(zhàn)場趨勢和軌跡，對作戰(zhàn)指揮決策至關重要，且越來越成為海戰(zhàn)場制勝的關鍵。

復雜的海戰(zhàn)場環(huán)境中，指揮員需要利用作戰(zhàn)知識和經驗對情報信息進行分析，判斷戰(zhàn)場態(tài)勢運行狀態(tài)和軌跡，對可能出現(xiàn)的戰(zhàn)場事件和潛在的威脅進行準確的預估。因此，領域知識和作戰(zhàn)經驗的組織與運用，是海戰(zhàn)場情報態(tài)勢分析判斷能力提升的關鍵。當前，海上作戰(zhàn)情報分析存在作戰(zhàn)知識和經驗無法組織、缺少運用手段的問題。通過分層結構對海戰(zhàn)場事件、戰(zhàn)術概念屬性和情報信息實例等不同類型的知識進行組織，對情報態(tài)勢知識超圖的知識挖掘與運用模式展開研究。

2 理論基礎與文獻綜述

2.1 知識圖譜與知識超圖

在計算機技術的發(fā)展推動下，人工智能領域的研究重心從感知智能逐步轉向認知決策智能，其中的核心問題就是知識的組織與運用［1］。知識圖譜使用圖結構對知識進行建模、挖掘和應用，將復雜語義抽象成實體和關系，通過（頭實體，關系，尾實體）三元組的方式進行知識表達和組織，是一種行之有效的知識挖掘和應用框架。為了增強多元關系表達，將超圖概念引入知識圖譜［1］，使用超邊連接多個節(jié)點，形成描述多元知識的超關系，稱為知識超圖，如圖1所示。

圖1 知識超圖示例

超關系事實可以包含多個實體，不同的超關系事實之間可以有公共節(jié)點。這種多元知識表達框架增強了復雜知識的描述和解釋能力，但客觀上也增加了計算的復雜性。

近年來，不少學者采用分層網(wǎng)絡的組織模式進行領域知識工程相關研究。席運江［2］提出組織知識系統(tǒng)的知識超網(wǎng)絡模型，將知識、人、存儲載體等三類要素分層組織。方哲［3］提出專家知識協(xié)作“領域－專家－知識”三層加權超網(wǎng)絡模型，對專家知識協(xié)作的領域社區(qū)特性和知識協(xié)作機理展開研究。田儒雅［4］研究了網(wǎng)絡輿論傳播的機理，通過建立社交子網(wǎng)、環(huán)境子網(wǎng)、心理子網(wǎng)和觀點子網(wǎng)，構筑輿論超網(wǎng)絡描繪網(wǎng)絡輿論特征。胡曉峰［5］從物理域、信息域與認知域，根據(jù)超邊、作戰(zhàn)環(huán)研究了跨網(wǎng)、跨域的作戰(zhàn)過程。韓菁［6］分兩層構建了知識-合作網(wǎng)絡，分析了不同類型知識對合作鏈路生成的影響，提升了跨領域合作鏈路生成的預測精度。

2.2 知識表示框架

知識表示是對知識的形式化描述方法或框架。通過知識表示，各種抽象知識都可以轉化為計算機可以識別并處理的結構化數(shù)據(jù)。

當前，基于圖神經網(wǎng)絡的方法成為主流。其主要利用GCN［7］、GAT［8］等結構提取圖譜的拓撲結構特征，形成實體和關系的嵌入表示，并利用鏈接預測等下游任務更新實體、關系表示，提升知識表示的精度。Saiping Guan［9］提出將n 元關系建模rolevalue 對，通過卷積、拼接構造關聯(lián)矩陣，解決超邊大小不定的問題。文獻［10］提出超圖中的超關系通常存在主從結構，計算時分別計算主三元組的有效性和輔助信息的兼容性，最終加權求和計算多元關系的有效性。Zhang R等［11］將節(jié)點嵌入分為靜態(tài)和動態(tài)，靜態(tài)嵌入使用非線性變化計算表示向量，動態(tài)嵌入部分將超邊表示為全連通圖，采用GAT獲取向量表示。知識表示學習是知識圖譜與深度學習相結合的重要方向。

3 海戰(zhàn)場情報態(tài)勢知識組織機理

3.1 知識組織框架

海戰(zhàn)場情報態(tài)勢知識體系龐大、內涵豐富、類型多樣、關系復雜。不同的決策場景，對情報態(tài)勢知識的組織運用需求有所差異。海上編隊進行戰(zhàn)場態(tài)勢分析判斷時，決策的核心業(yè)務是基于戰(zhàn)術常理和歷史經驗對海量的戰(zhàn)場情報信息進行分析梳理，厘清戰(zhàn)場各類型事件之間的關聯(lián)與行動脈絡，并對戰(zhàn)場發(fā)展趨勢和未來可能出現(xiàn)的情況進行判斷和預測?；谏鲜鲂枨?，研究認為戰(zhàn)場情報態(tài)勢知識體系應包含戰(zhàn)術概念、裝備性能、戰(zhàn)術邏輯和情報實例信息等類型。因此，面向編隊態(tài)勢分析判斷的知識運用需求，針對知識體系中的戰(zhàn)術事理事件、裝備概念屬性和實例情報三種類型知識展開研究。

將三種類型知識分層組織，通過跨層次的映射建立關聯(lián)，組織構建面向編隊指揮決策需求的海戰(zhàn)場情報態(tài)勢知識體系，如圖2所示。

圖2 戰(zhàn)場情報態(tài)勢知識層次框架

知識體系中，實例情報知識是對真實具體的海上情報信息的表達描述；事理事件知識則是抽象的戰(zhàn)術概念之間的關聯(lián)；概念屬性知識，是一種從具體到抽象的過渡性知識，其包含的原子概念能夠對應關聯(lián)到具體情報數(shù)據(jù)，用以抽象描述情報數(shù)據(jù)的性質、屬性、類別等信息，也能映射到事理事件，反映事件包含的概念元素集合。

3.2 事理事件知識

事理事件知識是指具有抽象語義的戰(zhàn)術事件及事件之間的關聯(lián)關系。事理事件知識是由抽象的戰(zhàn)場事件和事件之間的關聯(lián)關系組織起來的，反映不同事件之間邏輯關聯(lián)的知識網(wǎng)絡。

根據(jù)知識來源和知識本身的性質，將事理事件知識分為以下兩種類型：1）理論先驗知識：通過領域專家大量的歸納總結得出的知識。這類知識來源于經典的作戰(zhàn)理論，由鄰域專家縝密推斷，知識完備性程度高，邏輯關系完善，事件之間存在清晰明確的顯式的邏輯關聯(lián)。2）戰(zhàn)例實踐知識：經過專家分析后復盤后的戰(zhàn)場實踐知識。戰(zhàn)例實踐知識存在隱性的“事件共現(xiàn)”關系。“共現(xiàn)”實質是對戰(zhàn)場事件關聯(lián)的統(tǒng)計記錄，當“共現(xiàn)”頻次超過一定閾值，即可建立事件之間的潛在關聯(lián)。

以事理事件知識某片段為例：“預警機在XX區(qū)域進行警戒搜索，發(fā)現(xiàn)并鎖定目標后為突擊兵力提供目標指示，突擊兵力接收預警信息后迅速接敵機動，當目標進入突擊兵力武器射程后，突擊兵力在預警機引導下實施齊射攻擊目標”。該知識片段的事件邏輯關系如圖3所示。

圖3 事理事件知識網(wǎng)絡示例

上述片段通過條件、順承、因果等顯式的邏輯關聯(lián)，將典型的戰(zhàn)場事件關聯(lián)起來，形成事理事件知識圖譜。

3.3 概念屬性知識

概念屬性知識主要包含描述各種復雜的戰(zhàn)場事件要素的原子概念，以及武器裝備、性能參數(shù)等知識。概念屬性知識由兩種類型：第一類是事件包含的實體和要素的抽象表示或描述，是高層語義拆解出的粒度較小的原子概念。第二類是裝備實體具有的屬性、屬性值等。

例如下述兩段知識：1）“發(fā)現(xiàn)目標”事件通常包括發(fā)現(xiàn)主體、主體坐標、目標客體、目標坐標、發(fā)現(xiàn)時間、發(fā)現(xiàn)距離等事件原子概念。2）“XX型預警機巡航速度為600km/h，裝備XX 雷達和XX 型數(shù)據(jù)鏈，XX 雷達有效探測距離為300km，XX 數(shù)據(jù)鏈通信距離為200km。”以上述兩個知識片段進行實體和關系的組織，如圖4所示。

圖4 概念屬性知識網(wǎng)絡示例

概念屬性知識是戰(zhàn)場情報態(tài)勢知識體系的中間層，通過與事理事件或實例情況進行關聯(lián)，可以描述事件或情況包含的原子概念集合。

3.4 實例情報知識

實例情報知識是指海戰(zhàn)場真實發(fā)生的戰(zhàn)場情況，對應海上真實個體、個體動作、動作參數(shù)、環(huán)境要素等，是戰(zhàn)場各類型事件的真實實例。

實例情報知識主要包含兩類，第一類是歷史實例知識，包含歷史情報信息、演習數(shù)據(jù)等，是曾經發(fā)生過的戰(zhàn)場情況。第二類是實時實例知識，描述海上交戰(zhàn)過程中實時的戰(zhàn)場情況信息，是指揮所經上級、友鄰通報或自身發(fā)現(xiàn)的戰(zhàn)場情報態(tài)勢數(shù)據(jù)。實時數(shù)據(jù)是知識體系運用的數(shù)據(jù)輸入，也是交戰(zhàn)過程中需要計算的數(shù)據(jù)對象。

例如某段歷史實例知識：“X日X時X分，XX艦在北緯XX°，東經XXX°，偵測到方位XXX°不明機載通信信號?！鄙鲜鲋R片段可通過多元關系進行描述，如圖5。

圖5 歷史實例知識網(wǎng)絡示例

實例情報知識是戰(zhàn)場情報態(tài)勢知識的基礎，真實反映了戰(zhàn)場曾經發(fā)生的情況事件的具體細節(jié)。歷史實例知識作為標簽化數(shù)據(jù)，是知識圖譜生成的重要數(shù)據(jù)來源。實時實例知識來源于戰(zhàn)場交戰(zhàn)狀態(tài)下的各種情況信息，是指揮決策人員基于知識進行分析決策應用的具體對象。

4 層次化知識超圖模式構建

4.1 模型框架

引入分層的知識圖譜結構，將海戰(zhàn)場情報態(tài)勢知識劃分為三個層次，分別對應事理事件知識、概念屬性知識、實例情報知識，基本表示框架：

式中：GH表示海戰(zhàn)場情報態(tài)勢知識超圖，HE，HC，HI分別表示事理知識圖譜、概念知識超圖、實例知識超圖；R表示跨層次的映射關系。

式中：V表示各知識圖譜層內的實體集合，E表示層內的關系類型集合，F(xiàn)表示層內的關系事實集合。L為定義在層內關系事實上的標簽信息集合，具體含義視不同的知識圖層而異。

R表示跨層次的映射關系，Ric表示實例層向概念層映射，Rce表示概念層向事理層映射；Rec表示由事理層向概念層映射，Rci表示由概念層向實例層映射。

4.2 事理知識圖譜

事理知識圖譜定義為由領域事件實體及關聯(lián)關系組成的有向賦權知識圖譜，表示為

式中：關系事實通過三元組fe=(h，r，t)描述，事件概念h，t?Ve，關聯(lián)關系r?Ee。Le表示對應事理關系事實fe的標簽集合。對關系事實標簽進行說明，如表1所示。

表1 戰(zhàn)場情況事件關系類型

因果、順承關系屬于一對一的確定性關系知識，都表示事件之間的跟隨發(fā)生。事件共現(xiàn)關系主要用來描述無顯式邏輯關聯(lián)事件之間的隱性的關聯(lián)關系。事件共現(xiàn)描述了歷史戰(zhàn)例實踐場景蘊含的隱性的關聯(lián)，是事理事件知識挖掘和應用的重要內容。

4.3 概念知識超圖

概念知識圖層包含兩種類型的知識，一種是由原子概念組成的知識超圖，利用超關系連接多個概念，表示事理事件對應的原子概念集合；第二種是由裝備屬性、參數(shù)組成的樹狀知識圖譜，表示裝備的組織體系和主要性能參數(shù)。為了統(tǒng)一表達，將概念層知識網(wǎng)絡統(tǒng)一定義為概念知識超圖，表示為

式中：Vc表示概念層實體集合，主要包含原子概念、裝備實體、性能屬性和屬性值等類型實體；Fc表示概念層事實集合，通過多元關系描述fc=(ei:ν1，…，νj)，超關系類型ei?Ec，實體ν1，…，νj?Vc。Lc表示對應概念層關系Fc的標簽集。定義概念知識超圖的關系類型和標簽數(shù)據(jù)，見表2。

表2 概念知識關系類型

事件包含超關系連接了單個事理事件映射到概念層形成的原子概念集。實例包含超關系連接了實例層情況實例映射到概念層形成的原子概念。關聯(lián)型號、關聯(lián)裝備聯(lián)接原子概念和對應作戰(zhàn)平臺、作戰(zhàn)裝備，表示當前實例情報信息與裝備性能參數(shù)體系之間的對應關系。

4.4 實例知識超圖

實例知識層的節(jié)點主要包含實例情況中描述的實體、時間、位置、動作、效果等實體。定義實例知識層為實例知識超圖，表示為

式中：Vi表示實例層實體集合，主要包含實例實體、位置信息、時間信息和動作等實體；Fi表示實例知識層超關系事實集合fi=(ei:ν1，…，νj)，超關系類型ei?Ei，實體ν1，…，νj；Li定義為實例層情況實例的標簽信息，見表3。

表3 實例知識關系類型

實例超關系包含歷史和實時兩種類型，歷史實例是知識庫存儲的固有知識，是經專家復盤并明確的先驗知識；實時實例則是來源于戰(zhàn)時交戰(zhàn)場景下的戰(zhàn)場情況信息，是實時作戰(zhàn)分析應用的對象。

4.5 跨層映射與反演

海戰(zhàn)場情報態(tài)勢知識超圖不同層次之間，通過跨層映射進行實體或超關系的關聯(lián)?？鐚佑成浔举|上反映了實體或關系事實在另一個知識層次的描述和解釋。可定義跨層次映射：

1）實例層向概念層的映射Ric

實例層向概念層的映射有兩類，第一類是實例超關系向概念層實例包含超關系的映射，其含義是情況實例數(shù)據(jù)映射到概念層的原子概念集合。第二類是實例知識單個實體向概念知識單個原子概念的映射，含義是實例中具體要素對應的原子概念?？啥x如下的映射關聯(lián)：

式中：fi，表示實例層超關系和概念層超關系事實；νix，νcy分別為實例層和概念層的節(jié)點。

2）概念層向事理層映射Rce

概念層向事理層映射，主要由概念層的超關系向事理層的事件實體節(jié)點進行映射，映射的含義是原子概念要素集對應的事理事件節(jié)點。概念層的事件包含超關系向事件的映射是確定性的；而實例包含超關系由于信息的不完備，往往缺少原子概念，向事件層的映射也因為信息丟失而不確定，需要通過映射函數(shù)匹配事件節(jié)點。可定義：

式中：表示概念層事件包含和實例包含兩種超關系事實；νe為事理事件層對應的節(jié)點。

與自底向上知識映射匹配過程相反，由抽象的事理事件向原子概念和實例的計算、生成過程，稱為知識反演計算。知識體系中的反演有以下兩種：

1）事理層向概念層的反演Rec

事理事件向概念層的反演主要是搜索事件相關聯(lián)的原子概念集合，即事件包含超關系。明確事件包含的原子概念后，需要對應的最可能的平臺、裝備性能知識網(wǎng)絡輔助計算。因此，反演可定義為

式中：e1表示概念層的事件包含超關系；νe表示事理層事件節(jié)點，表示與νe對應的事件包含超關系；Gw表示概念層中與已知原子概念相關連的裝備性能知識子圖：

式中：Vw表示與實體相關聯(lián)的裝備、平臺實體集（含多跳節(jié)點）；Ew表示關系類型集；Fw表示關系事實集。

2）概念層向實例層的反演Rci

概念層向實例層的反演，目的是計算生成與原子概念對應的實例數(shù)據(jù)節(jié)點。基本過程是明確主體、動作和客體，再通過時間、空間、裝備性能約束確定輔助信息。因此可定義框架：

式中：νe表示事理事件節(jié)點；表示事件包含超關系；Gw表示裝備性能知識子圖；fi*表示生成的實時實例超關系，有fi*=(e2:ν*1，…，ν*x)；Gi*表示由ν*1，…，ν*x節(jié)點及其內部拓撲結構組成的實時實例子圖。一般，實例層節(jié)點的生成需要領域內各種模型的計算支持。

5 結語

面向海上作戰(zhàn)情報態(tài)勢分析需求，針對作戰(zhàn)知識的組織運用問題，提出了分層次的海戰(zhàn)場情報態(tài)勢知識組織框架，構建事理事件層、概念知識層和情報實例層，實現(xiàn)對不同類型知識的組織。采用超關系對多元關系進行解釋和描述，增強了知識表達能力。面向事件網(wǎng)絡決策需求，并對知識挖掘方法和決策應用模式進行了研究?？傮w看來，該框架可以為海戰(zhàn)場智能輔助決策信息系統(tǒng)提供理論框架，也可為不同領域的知識組織與運用提供借鑒參考。