一种基于知识图谱的目标雷达威胁度评估方法技术

本发明专利技术公开了一种基于知识图谱利用TransE知识推理模型得到目标雷达威胁度的评估方法。传统的威胁等级判定仅仅依靠侦察到的辐射源雷达的技术参数、工作状态等指标，并未考虑实战应用的特点，即未考虑辐射源雷达所搭载平台的性质以及搭载平台上的其他辐射源雷达信息，因此所评估的威胁等级不够准确。本发明专利技术通过构建以雷达和搭载平台为核心的知识图谱，使用TransE推理模型挖掘出雷达与雷达、雷达与搭载平台之间的隐藏联系，综合利用所获取的信息更全面、更准确地评估目标辐射源雷达的威胁度。本发明专利技术解决了现有技术中的获取信息不够完备、评估指标不够全面等问题，提高了目标雷达威胁度的评估准确度，具有良好的实用性。

【技术实现步骤摘要】
一种基于知识图谱的目标雷达威胁度评估方法
本专利技术属于雷达电子对抗
，具体涉及一种基于知识图谱利用TransE知识推理模型得到目标雷达威胁度的评估方法。
技术介绍
威胁等级判定是现代雷达告警系统中的一个重要内容，尤其是在实时的告警干扰应用中，对多个威胁程度不同的辐射源雷达，实施对应优先等级的干扰措施才能达到最佳的干扰效果。传统的威胁等级判定是根据辐射源雷达的技术参数、工作状态等指标，估计其危害能力和作战意图，通过加权处理，按照辐射源雷达产生的威胁对我方可能造成的危害程度进行分类，并考虑实战应用的特点，判定其所属的威胁等级。但是，一个作战平台常常搭载了多部雷达，若仅仅通过获得的单部雷达的技术参数、工作状态等自身相关指标，将难以判定辐射源雷达的威胁度。因此，雷达方需要从侦察到的目标辐射源信息中挖掘并推理出雷达与雷达、雷达与其搭载平台之间的关联关系，获取更为准确的目标雷达威胁度，实现辅助战场决策的目的。知识图谱是一种结构化的语义知识库，库中的知识常采用三元组(h,r,t)的形式来表示，h和t分别代表head和tail两个实体，r代表两个实体间的关系(relation)。在面对巨量、多元的信息时，基于知识图谱可以挖掘出可利用的、有价值的知识，其为知识图谱应用的基础，接着对这些有效的知识进行融合，然后利用TransE模型完成知识推理，其在辅助决策任务中有着广泛的应用。
技术实现思路
为了解决现有技术的不足，本专利技术提出了一种基于知识图谱的目标雷达威胁度评估方法。本专利技术的核心技术分为三个部分：一是构建以雷达和雷达平台为核心的知识图谱；二是利用构建的知识图谱通过TransE知识推理模型得到目标雷达所属平台相关知识；三是综合利用所获取的知识对目标辐射源雷达进行威胁度评估。为便于理解，对本专利技术采用的技术术语进行如下解释：1.知识图谱：知识图谱是一种结构化的语义知识库，用于以符号来描述物理世界中的概念及其相互关系，基本组成单位为“实体-关系-实体”三元组，以及实体及其相关属性-值对，实体间通过关系相互联结，构成网状的知识结构。因此，可以理解为知识图谱本身是一个具有属性的实体通过关系链接而成的网状知识库，用最小的代价将收集到的信息组织起来，成为可以被利用的知识。2.TransE模型：TransE模型是基于实体和关系的分布式向量表示，将三元组中的head实体加relation可以翻译成tail实体，其目标是将知识库中的实体和关系用低维向量表示。对于一个三元组(h,r,t)，TransE模型是基于欧式距离上的偏移量来衡量计算实体间的语义相似度。若三者存在h+r≈t，即认为这三者可以构成一个正确的三元组。反之，如果这三者不构成三元组，则要尽可能远离。为了实现上述提出的方法，本专利技术采用的技术方案如下所述：本方案共分为构建知识图谱、基于TransE模型进行知识推理和目标辐射源雷达威胁度评估三个部分：(1)构建知识图谱知识图谱可以从逻辑上分为数据层和模式层。在知识图谱的数据层，知识以事实为单位存储在图数据库，本专利技术使用的图数据库是Neo4j。模式层是知识图谱的核心，在模式层存储的是经过提炼的知识，通常采用本体库来管理知识图谱的模式层，借助本体库对公理、规则和约束条件的支持能力来规范实体，关系以及实体类型和属性等对象之间的联系。知识图谱构建方式包括自顶向下和自底向上两种构建方式。本专利技术使用了自顶向下的构建方式，所谓自顶向下就是在高质量信息中提取本体和模式信息，加入到知识库中。首先以雷达型号、雷达搭载平台、雷达设计研发单位、雷达生产制造单位和雷达所属国作为知识图谱的本体库，然后根据本体库来构建知识图谱的数据层，将所有的实体关系对存储在图数据库(Neo4j)中。(2)基于TransE模型进行知识推理知识图谱推理，即从现有的知识出发，运用逻辑思维能力，得出一些隐性的结论。在知识图谱中，利用图谱中现有的知识(三元组)，推理获得一些新的实体间的关系或者实体的属性(三元组)。本专利技术采用了TransE推理模型对构建的知识图谱进行知识挖掘。TransE推理模型解决的是在低维向量空间中实体和关系的嵌入问题，通过将知识图谱中三元组嵌入到低维向量空间进而可对知识图谱进行建模。采用TransE推理模型，知识图谱中的实体和关系会被映射到低维稠密的向量空间，在该向量空间中通过计算实体(关系)对象之间的距离从而推理出实体(关系)对象之间的语义相似度，进而能够有效解决数据稀疏的难题。本专利技术使用了TransE推理模型，将步骤一所得到的知识图谱嵌入到向量空间，进而推理出雷达与雷达、雷达与搭载平台之间的隐藏联系。(3)目标辐射源雷达威胁度评估结合TransE推理模型获取的雷达与雷达、雷达与其搭载平台之间的联系，估计得到目标雷达的搭载平台，根据雷达搭载平台评估威胁度，具体方法为：将不同的雷达搭载平台预先设定威胁度对应值，根据估计出的雷达搭载平台进行对应匹配搜索，获得威胁度评估结果。本专利技术的有益效果是：本专利技术构建了以雷达和搭载平台为核心的知识图谱，考虑到了雷达与雷达、雷达与其搭载平台之间的联系对雷达威胁度的影响，并使用TransE推理模型挖掘出雷达与雷达、雷达与搭载平台之间的隐藏联系，综合利用所获取的信息可以更全面地评估目标辐射源雷达的威胁度。附图说明图1为本专利技术构建的本体库示意图；图2为雷达-平台知识图谱示意图；图3为TransE向量空间假设示意图；图4为实体、关系向量降维可视化图。具体实施方式下面结合附图说明本专利技术的具体实施方式：步骤一：构建知识图谱首先根据图1所示的框架建立知识图谱本体库。根据本体库，利用人工筛选、录入的数据以及从互联网获得的丰富数据，包括雷达型号、雷达搭载平台、雷达所属国家、雷达研发厂商、和雷达制造厂商等知识，完成构建如图2所示的知识图谱。步骤二：基于TransE模型进行知识推理通过TransE推理模型，将知识图谱中的实体和关系映射到向量空间，如图3所示。其核心是把三元组(h,r,t)之间的关系等价于将头实体向量转换成尾实体向量的过程。其中h指代头实体的向量表示，r指代关系的向量表示，t指代尾实体的向量表示，其优化目标使h+r的值与t的值相一致，定义得分函数：fr(h,t)＝||h+r-t||2。得分函数用于计算h+r和t之间的距离，以此来衡量三元组是否正确。若有(h,r,t)存在时，则希望h+r≈t，否则h+r应尽量远离t。由此定义损失函数为：γ＝1，优化方法采用随机梯度下降法。其训练过程为：(1)确定训练集，获取由步骤一得到的知识图谱中所有实体和关系。(2)初始化关系向量和实体向量。(3)对已有的三元组数据进行分批训练，不断优化损失函数。训练完成后，在训练得到知识图谱中可以获取到知识图谱中雷达与雷达平台的隐藏联系，为了便于分析和观察，将训练好的实体、关系向量进行降维处理得到如图4所示的三元组向量可视化本文档来自技高网...

【技术保护点】
1.一种基于知识图谱的目标雷达威胁度评估方法，其特征在于，包括以下步骤：/nS1、构建知识图谱：/n根据雷达、雷达搭载平台、雷达设计研发单位、雷达生产制造单位和雷达所属国本体彼此间的关系，建立知识图谱本体库模型，然后根据所构建的本体库，将经过人工筛选的侦察数据、已有的雷达及装备数据，包括雷达、雷达搭载平台、雷达设计研发单位、雷达生产制造单位和雷达所属国的具体数据，构建知识图谱；/nS2、基于TransE模型进行知识推理：/n通过TransE推理模型，将知识图谱中的实体和关系映射到向量空间，即把知识图谱中三元组(h,r,t)中关系等价于从头实体向量到尾实体向量的操作过程，其中h指代头实体的向量表示，r指代关系的向量表示，t指代尾实体的向量表示，基于TransE模型，设定优化目标为使h+r的值与t的值相一致，定义得分函数：f

【技术特征摘要】
1.一种基于知识图谱的目标雷达威胁度评估方法，其特征在于，包括以下步骤：
S1、构建知识图谱：
根据雷达、雷达搭载平台、雷达设计研发单位、雷达生产制造单位和雷达所属国本体彼此间的关系，建立知识图谱本体库模型，然后根据所构建的本体库，将经过人工筛选的侦察数据、已有的雷达及装备数据，包括雷达、雷达搭载平台、雷达设计研发单位、雷达生产制造单位和雷达所属国的具体数据，构建知识图谱；
S2、基于TransE模型进行知识推理：
通过TransE推理模型，将知识图谱中的实体和关系映射到向量空间，即把知识图谱中三元组(h,r,t)中关系等价于从头实体向量到尾实体向量的操作过程，其中h指代头实体的向量表示，r指代关系的向量表示，t指代尾实体的向量表示，基于TransE模型，设定优化目标为使h+r的值与...

【专利技术属性】
技术研发人员：田勇，彭晓燕，汪鹏，任唯祎，于俊鹏，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51