海战场环境下指控知识图谱构建及应用研究.pdfVIP

海战场环境下指控知识图谱构建及应用研究

摘要

为了解决“战争迷雾”问题，现代海上战争使用了越来越多的侦察探测手段，同时

随着网络技术和信息采集处理技术的快速发展，各式各样的传感器源源不断地产生着形

态各异的海战场感知信息，传递给海上作战指挥控制系统。然而，日益丰富的海战场感

知信息，已然超过指挥员所能接受与理解的上限，导致许多信息无法被有效利用。因此，

如何有效化解当前信息化海战所面临的“信息过载”问题迫在眉睫。知识图谱作为一种

具有强关联性的数据库能够将不同来源、不同形态的知识抽取出来，并进行关联融合，

使得海量信息能够有效组织，从而解决海量知识相互孤立，不能被全面有效利用的问题。

基于上述原因，本文开展海战场环境下指控知识图谱构建及应用研究，旨在通过指

控知识图谱的构建，整合海战场中多源异构数据。同时为指挥员提供简洁易用的知识服

务。本文主要贡献与创新点如下所示：

（1）针对海战场军事事件演化过程中隐式顺承与因果关系难以捕获的问题，提出

一种基于分离式表征和事件信息共享策略的事件关系抽取方法。该方法采用分离式表征

的方法挖掘海战场军事事件的语义信息，并获取文本的语义特征和逻辑特征。并且提出

联合事件关系抽取方案，扩展语义特征中包含的因果和顺承特征，从而提升海战场事件

中因果与顺承关系的表达能力。另外，该方法通过制定不同的共享参数策略来建模顺承

特征与因果特征之间的关联，提升了模型对事件的隐含因果关系抽取效果与区分不同顺

承关系的能力。

（2）针对海战场敌方作战实体表达方式不统一以及无法准确融合的问题，提出一

种基于实体距离分类的知识表示学习方法。该方法根据实体在特定关系平面上的语义距

离进行分类，并设计不同的训练策略，提升相近语义实体的训练机会。同时，在损失函

数中引入不同的残差权重，调节不同价值负例与正样本的拉伸率，平衡负样本分配不同

的训练机会，从而有效地提升知识表示模型实体链接预测能力。另外，将训练过的实体

融入作战实体对齐方法中，提高实体层知识融合的准确率。

（3）针对海战场敌方目标间关系推理性能低下的问题，提出一个改进的实体关系

推理负例构造方法。该方法根据关系关联实体的频率，充分考虑海战场知识数据集中关

系和实体的统计特征，以分配关系和实体替换的比例以及与每个关系相关联的实体的频

率，为不同的关系制定合理的负例构造策略，从而解决实体间关系不完备的问题。并且

引入了交叉熵损失函数优化了训练过程，实现模型关系推理性能的显著提升。

哈尔滨工程大学博士学位论文

（4）针对海战场知识难以综合利用与分析的问题，提出一种海战场知识统一表示

及指控知识图谱总体架构设计方案。该方案将事件关系抽取、知识融合表征以及关系推

理融入系统，解决海战场异构、稀疏以及碎片化数据无法利用的问题。同时，基于海战

场基础、事理、战法规则等知识的构建机制，采用分层构建的方法，将指控知识图谱架

构拆解为基础层、事理层、战法规则层，并通过实例化数据对其填充，从而构建出结构

合理、机制完善、服务灵活的高效海战场知识体系。另外，通过语义关注度构建适用于

海战指挥应用的可视化方案。

关键词：海战场；知识图谱；知识表示学习；知识推理；负例构造

海战场环境下指控知识图谱构建及应用研究

Abstract

Toaddressthechallengeofthefogofwarinmodernmaritimeconflict,therehasbeen

anincreasingrelianceonadvancedreconnaissanceanddetectiontechnologies.Concurrently,

therapidevolutionofnetworkandinformationprocessingtechnologieshasledtoa

proliferationofdiversebattlefieldsensorydata.Thisdataiscontinuouslyfedintothecommand

andcontrolsystemsofmar