基于知识图谱分析的装备试验体系规划决策的方法及系统技术方案

本发明专利技术提供了一种基于知识图谱分析的装备试验体系规划决策的方法和系统，以任务模板的方式对试验信息进行采集并结构化入库，得到原始试验数据，对原始试验数据进信息预处理，得到知识数据；利用自然语言处理对知识数据进行信息抽取、知识融合，构建试验知识图谱，并呈现可视化的试验知识图谱；采用机器学习，对试验知识图谱进行文本挖掘后，输出试验体系规划决策。本发明专利技术通过将试验信息进一步组织和抽象成试验知识，进行知识实体节点之间关联以及与元数据的关联挖掘，最终以知识节点的多属性关联为基础，构建了多源异构试验知识图谱并进行图谱的可视化呈现，为试验体系规划决策提供有力支撑。

Method and system of equipment test system planning and decision based on knowledge map analysis

【技术实现步骤摘要】
基于知识图谱分析的装备试验体系规划决策的方法及系统
本专利技术涉及计算机信息处理
，具体地，基于大数据的自然语言处理，涉及一种基于知识图谱分析的装备试验体系规划决策的方法及系统。
技术介绍
随着武器系统的发展，武器装备种类越来越多，其试验流程也日益复杂，试验体系和试验过程仅靠人工编排已不能满足现代军事试验的要求。随着战争形态向信息化转变和以信息技术为核心的高技术武器装备发展，军队靶场的试验需求发生了许多新的变化，靶场发展面临新的挑战和机遇。军队靶场试验体系研究目前还处于“单打斗”状态，停留在一个个“点”上，还未形成“面”和“体”，距离真正意义上“体系”还有相当距离。迎接面临的新挑战，就要以体系工程理论方法为指导，走出机械化的思维模式，确立信息化的科学发展理念树立信息时代军队靶场试验体系科学发展新思路。为了使试验规划更加科学合理有效，将知识图谱技术应用于试验体系规划和试验过程规划过程具有重要的意义。以知识图谱为代表的知识工程技术应用是解决该难题的方法之一。知识是对信息的进一步组织和抽象，符合人类活动的语义和逻辑。因此，相对于信息，知识能更直接地指导人的决策和行动，从而弥补信息优势向决策优势转换中的缺失，即信息优势首先转换为知识优势，然后再由知识优势转换为决策优势。知识图谱是谷歌公司于2012年提出的一种用于增强其搜索引擎功能的辅助知识库，它将普通Web网页链接转变为实体概念链接，使得信息检索由基于关键字的模糊匹配转变成基于语义的知识匹配，用户不必浏览大量网页，就能够准确定位所需要的信息。科学是现代社会的驱动力，科学评价是改善和提升科学质量的重要途径。目前国外对基于知识图谱研究主要用于科学评价和学科分类。其中Pino-Díaz提出一个可视化评价战略研究网络的新方法，并将其应用于“西班牙对保护区的研究”中，通过国内与国际数据，使用二维图和三维图展示，认为知识图谱可以评价知识、促进知识发现和利于知识决策。Medina等人运用网络理论，具体使用引证网络，可视化识别对特定种子期刊最重要的相关期刊，并认为与传统的期刊分类系统不同，该图谱具有新视角和新的应用。Nerur从作者共引分析的角度进行了分析，识别出了连接不同领域的关键人物，并通过多维尺度分析的方法将知识结构展示在二维空间当中，并同样分3个时间段进行到了图谱的绘制。相较于国外的研究，国内的知识图谱研究起步较晚，但到目前为止，已经有一些不同领域的学者使用知识图谱的相关研究方法，并取得了一定的研究成果。陈悦和王续琨等人以AMJ、AMR以及ASQ等10种管理学的重要期刊为分析对象，利用共引分析以及共现分析绘制了管理学领域的知识图谱，识别出了组织行为理论、组织结构理论以及战略管理理论这三大主导理论。专利文献CN105787105A公开了一种基于迭代模型的中文百科知识图谱分类体系构建方法，提出了通过迭代的方式将知识图谱分类体系中实体节点和类目节点进行特征计算，再利用新的类目特征重新判断实体节点和类目之间的关系，直到实体节点和类目节点关系不再变化，该方法的侧重点在于介绍构建通用的分类体系，在试验体系运用上具有一定的局限性。专利文献CN107679157A公开了一种自动编码方法，通过预先完成编码规则的定义，再确定待编码对象在分类体系中的位置，即可自动生成编码，从而降低人的劳动强度，减少人为错误。但是没有充分计算出信息文本中的语义关联，从而在进行体系规划时具有一定的片面性。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种基于知识图谱分析的装备试验体系规划决策的方法及系统。根据本专利技术提供的一种基于知识图谱分析的装备试验体系规划决策的方法，包括以下步骤：试验信息抽取融合步骤：以任务模板的方式对试验信息进行采集并结构化入库，得到原始试验数据，对原始试验数据进信息预处理，得到知识数据；知识图谱构建步骤：利用自然语言处理对知识数据进行信息抽取、知识融合，构建试验知识图谱，并呈现可视化的试验知识图谱；试验体系智能规划步骤：采用机器学习，对试验知识图谱进行文本挖掘后，输出试验体系规划决策。优选地，所述试验信息抽取融合步骤包括：信息采集步骤：结合多线程和分布式的定向采集方式，采集得到原始试验数据；信息清洗步骤：区分原始试验数据中的结构化数据和非结构化数据，分别设立清洗规则，对原始试验数据进行检查和错误清理，得到修正数据，并形成清理数据日志；信息转换步骤：对修正数据的语义表达、数据类型、数据长度、数据精度中的任一项或任多项设定统一规则，依据统一规则对修正数据进行数据转化；要素标记步骤：明确原始试验数据中的属性要素信息，抽取属性要素信息中的关键信息，适用关键信息对原始试验数据进行标记。优选地，所述知识图谱构建步骤包括：信息抽取步骤：利用自然语言处理对知识数据进行信息抽取，减少信息冗余，消除信息矛盾，得到抽取后数据，所述信息抽取包括实体抽取、属性抽取、关系抽取中的任一项或任多项；知识融合步骤：对抽取后数据与知识图谱进行融合，将得到的知识进行合并，形成试验分析数据；构建可视步骤：对试验分析数据进行本体构建、词汇收集、文本分词处理后形成备用知识三元组，进行试验知识图谱的绘制并可视化展示。优选地，所述试验体系智能规划步骤包括：需求分解步骤：接收装备试验的任务需求的输入，利用知识图谱对任务需求进行自顶向下分解，得到需求分解信息；信息聚合步骤：以装备试验的基础单元数据自底向上聚合，得到聚合信息；体系输出步骤：结合需求分析信息和聚合信息，形成与装备试验目的相匹配的试验体系要素，基于试验体系要素形成试验体系规划决策。优选地，所述属性要素信息包括原始试验数据中产生时间、标题、修改时间、来源、所属分类、可信程度、作者信息中的任一项或任多项。根据本专利技术提供的一种基于知识图谱分析的装备试验体系规划决策的系统，包括以下模块：试验信息抽取融合模块：以任务模板的方式对试验信息进行采集并结构化入库，得到原始试验数据，对原始试验数据进信息预处理，得到知识数据；知识图谱构建模块：利用自然语言处理对知识数据进行信息抽取、知识融合，构建试验知识图谱，并呈现可视化的试验知识图谱；试验体系智能规划模块：采用机器学习，对试验知识图谱进行文本挖掘后，输出试验体系规划决策。优选地，所述试验信息抽取融合模块包括：信息采集模块：结合多线程和分布式的定向采集方式，采集得到原始试验数据；信息清洗模块：区分原始试验数据中的结构化数据和非结构化数据，分别设立清洗规则，对原始试验数据进行检查和错误清理，得到修正数据，并形成清理数据日志；信息转换模块：对修正数据的语义表达、数据类型、数据长度、数据精度中的任一项或任多项设定统一规则，依据统一规则对修正数据进行数据转化；要素标记模块：明确原始试验数据中的属性要素信息，抽取属性要素信息中的关键信息，适用关键信息对原始试验数据进行标记。优选地，所述知识图谱构建模块本文档来自技高网...

【技术保护点】
1.一种基于知识图谱分析的装备试验体系规划决策的方法，其特征在于，包括以下步骤：/n试验信息抽取融合步骤：以任务模板的方式对试验信息进行采集并结构化入库，得到原始试验数据，对原始试验数据进信息预处理，得到知识数据；/n知识图谱构建步骤：利用自然语言处理对知识数据进行信息抽取、知识融合，构建试验知识图谱，并呈现可视化的试验知识图谱；/n试验体系智能规划步骤：采用机器学习，对试验知识图谱进行文本挖掘后，输出试验体系规划决策。/n

【技术特征摘要】
1.一种基于知识图谱分析的装备试验体系规划决策的方法，其特征在于，包括以下步骤：
试验信息抽取融合步骤：以任务模板的方式对试验信息进行采集并结构化入库，得到原始试验数据，对原始试验数据进信息预处理，得到知识数据；
知识图谱构建步骤：利用自然语言处理对知识数据进行信息抽取、知识融合，构建试验知识图谱，并呈现可视化的试验知识图谱；
试验体系智能规划步骤：采用机器学习，对试验知识图谱进行文本挖掘后，输出试验体系规划决策。


2.根据权利要求1所述的基于知识图谱分析的装备试验体系规划决策的方法，其特征在于，所述试验信息抽取融合步骤包括：
信息采集步骤：结合多线程和分布式的定向采集方式，采集得到原始试验数据；
信息清洗步骤：区分原始试验数据中的结构化数据和非结构化数据，分别设立清洗规则，对原始试验数据进行检查和错误清理，得到修正数据，并形成清理数据日志；
信息转换步骤：对修正数据的语义表达、数据类型、数据长度、数据精度中的任一项或任多项设定统一规则，依据统一规则对修正数据进行数据转化；
要素标记步骤：明确原始试验数据中的属性要素信息，抽取属性要素信息中的关键信息，适用关键信息对原始试验数据进行标记。


3.根据权利要求1所述的基于知识图谱分析的装备试验体系规划决策的方法，其特征在于，所述知识图谱构建步骤包括：
信息抽取步骤：利用自然语言处理对知识数据进行信息抽取，减少信息冗余，消除信息矛盾，得到抽取后数据，所述信息抽取包括实体抽取、属性抽取、关系抽取中的任一项或任多项；
知识融合步骤：对抽取后数据与知识图谱进行融合，将得到的知识进行合并，形成试验分析数据；
构建可视步骤：对试验分析数据进行本体构建、词汇收集、文本分词处理后形成备用知识三元组，进行试验知识图谱的绘制并可视化展示。


4.根据权利要求1所述的基于知识图谱分析的装备试验体系规划决策的方法，其特征在于，所述试验体系智能规划步骤包括：
需求分解步骤：接收装备试验的任务需求的输入，利用知识图谱对任务需求进行自顶向下分解，得到需求分解信息；
信息聚合步骤：以装备试验的基础单元数据自底向上聚合，得到聚合信息；
体系输出步骤：结合需求分析信息和聚合信息，形成与装备试验目的相匹配的试验体系要素，基于试验体系要素形成试验体系规划决策。


5.根据权利要求2所述的基于知识图谱分析的装备试验体系规划决策的方法，其特征在于，所述属性要素信息包括原始试验数据中产生时间、标题、修改时间、来源、所属分类、可信程度、作者信息中的任一项或任多项。

【专利技术属性】
技术研发人员：陈峰，李一，佟立飞，马跃飞，龚昕，庞亮，姚鹏飞，李进，胡永涛，王贵喜，裴磐杰，陈阳，杨豪璞，王峰，刘一，冯楠，桑耘，姜鑫，
申请(专利权)人：中国人民解放军九二四九三部队参谋部，中国电子科技集团公司第三十二研究所，
类型：发明
国别省市：辽宁;21