军事领域知识图谱构建方案及关键技术

摘 要：我国军事化建设正处于向信息化转型的关键时期，在军事领域，实体繁多、关系冗杂，导致军事知识难 以有效复用，大量军事经验被忽视和埋没。为解决这一问题，军事领域知识图谱应运而生，成为关键的解决途径之 一。提出了军事领域通用的知识图谱构建流程，为后续研究提供逻辑合规的图谱构建框架，并深入分析和讨论了 知识融合与知识计算环节，为后续研究提供坚实牢靠的理论基础与方法支撑。 关键词：军事知识图谱；知识图谱构建；知识融合；知识计算0 引言 随着现代社会信息化的迅速发展，国内各领域 皆呈现出以知识管理支撑决策推断的发展趋势，诸 如金融、医疗等领域。军事领域亦是如此，现代的军 事化建设正朝着信息化的方向发展，军事领域数据 呈现出多样性、海量性及潜在依赖性等特征，如何从 海量军事数据中快速准确地获取相关人员需要的信息是现代军事化建设需要解决的难题之一。 2012 年，谷歌知识图谱正式上线，成为当时规 模最大、完整性最高的知识图谱，其与谷歌搜索引擎 的结合展现出高效、准确等特点，为各行业的智能搜 索领域提供了新思路，尤其是医疗、金融及工业生产 领域。知识图谱的本质是将实体、属性和关系等信 息组织成一张语义图谱，用以描述和表示现实世界 中的事物及其之间的关系，提供一种实体-关系的崭 新视角来描述复杂的数据世界。知识图谱将实体、 属性和关系作为知识表示，并使这些知识易于计算 和理解，基于这一特征，知识图谱在情报侦察挖掘、 作战指挥控制、战场态势感知分析等军事领域有广 阔的应用前景。 军事领域与其他领域不同的一点是其获取数的 难度较大，实体之间关系错综复杂且存在潜在不易 发觉的依赖关系，这些都使得军事领域知识图谱的 构建更为困难。尽管如此，国内也不乏优秀的学者 对军事领域知识图谱的构建产生浓厚兴趣并展开研 究。侯振瑜等针对军事领域数据的特点［1］ ，提出了 一种名为BERT-CRF-PRF的实体识别模型，使得军 事实体的识别效率有了明显提升，还构建了一个军 事知识图谱，且基于此图谱提出了一种实体检索方 法。胡卫等对军事装备知识图谱的构建展开研 究［2］ ，使用图结构重塑装备管理数据的关联关系，充 分利用装备寿命周期所产生的数据，实现装备数据 的分层级多视图的可视化呈现。刘奕明等构建了军 事法规知识图谱［3］ ，并以此为基础构建了军事法规 问答系统，为指挥员处理涉法问题提供决策辅助。 本文通过对军事知识图谱构建流程的研究，重 点分析讨论其知识融合与知识计算环节所涉及的技 术，为军事领域对知识图谱的研究与应用提供研究 基础。