战场态势的时空知识图谱构建、计算和感知方法和设备技术

本发明专利技术公开了战场态势的时空知识图谱构建、计算和感知方法和设备，属于战场态势评估领域。本发明专利技术避开行为复杂、规律隐晦的传统目标类要素，选择以时空节点为学习主体，将现有知识图谱中不确定的实体全集抽象为确定的时空节点全集，降低总结与学习战场态势规律的难度，加强了对战场态势的把握；在图谱中的实体全集与关系全集都不确定，且所有新增知识都真假未知的情况下，本发明专利技术从不同层次估算新增知识的置信度，最终综合多个计算结果，对新增知识的真伪做出判断，用以支撑时空态势知识图谱的更新迭代，从而保证了数据的纯净，强化了对战场态势的总结、推演、预测等，在保证判断准确率的基础上，极大地简化计算复杂度。极大地简化计算复杂度。极大地简化计算复杂度。

【技术实现步骤摘要】
战场态势的时空知识图谱构建、计算和感知方法和设备


[0001]本专利技术属于军事信息融合、战场态势评估领域，更具体地，涉及战场态势的时空知识图谱构建、计算和感知方法和设备。

技术介绍

[0002]态势评估是指在一定的时间和空间范围内感知环境中的元素，理解其含义，预测其在不久的将来的状态。战场态势评估是对战场上敌我双方态势要素动态评价的过程。通过综合敌我双方兵力分布与活动、武器系统、机动性、战场地理环境、气象等态势要素，识别分析已发生的事件和计划，确定敌方兵力结构、部署、行动方向与路线的估计，识别出敌军的作战风格，推断出敌军的作战意图，对当前战场情景做出合理解释，并对未来时刻的态势变化做出预测，最终建立作战活动、事件、时间、位置和兵力要素等组织形成的战场综合态势图。
[0003]当前的主流研究中，为了对态势进行理解、分析和预测，需要将态势以态势知识图谱的形式表达出来。现有态势知识图谱本质上是以三元组的形式存储态势知识的数据库，例如，战争场景“战斗机A对战斗机B发起攻击”，战斗机A、战斗机B、攻击这三者构成一条态势知识，表示为三元组[目标A、目标B以及目标A对目标B的意图]。
[0004]为了发现态势知识图谱中的错误，提高态势知识图谱的质量，进而提升知识驱动的学习任务的性能，学界引入态势知识图谱三元组置信度的概念。态势知识图谱三元组置信度(kg triple trustworthiness)，用于衡量三元组所表达知识的真实程度。态势知识图谱三元组置信度的取值范围为[0,1]，值越接近0，表示该三元组是错误的概率越大，反之，值越接近1，则表示该三元组是真实的概率越大。
[0005]按照知识图谱三元组置信度评价方法的适用阶段，现有的知识图谱三元组置信度评价方法概括为3类：第一类置信度评价方法用于“从文本数据中抽取三元组”的过程，典型的案例有：德国马克思普朗克信息研究中心的knowlife知识库；第二类置信度评价方法用于embedding过程，embedding旨在将所有实体和关系编码成连续的向量空间，在embedding过程中进行置信度评价并剔除数据噪声是近年科研人员研究的热点，典型的方法有：scef、transE、transT等；第三类置信度评价方法直接对三元组进行评估，可以衡量知识推理得到的三元组的可靠性，同时也适用于动态知识库的置信度评价，典型的方法有：kgttm、ctransE等。
[0006]然而上述方法存在一些亟待攻克的难题：(1)知识图谱中的实体全集并非提前可知，新增的实体也可能会带来新增的关系，诸多不可预料的情况会导致以前训练好的模型不可信，甚至不可用；(2)当实体之间的关系并非固定，而是随着时间空间的改变而发生变化时，针对实体的标记存在临时性，即，时空相关的知识图谱中，很难找到稳定的知识集合作为训练集；(3)现在已有的判断、预测、补全模型或算法大都默认图谱中的知识全部为真实知识，忽略了虚假知识的噪声影响，少部分算法存在判断知识真伪的过程，但也仅是与真实数据对比。

技术实现思路

[0007]针对现有技术的缺陷，本专利技术的目的在于提供战场态势的时空知识图谱构建、计算和感知方法和设备，旨在解决现有战场知识图谱无法处理新增实体以及实体间前后关系冲突、现有战场态势感知方法受噪声与冲突信息对战场态势感知的干扰的问题。
[0008]为实现上述目的，第一方面，本专利技术提供了一种战场态势的时空知识图谱构建方法，包括：
[0009]获取目标战场的所有场景的态势知识，所述态势知识为三元组[头目标，关系，尾目标]，所述目标为场景中出现的作战单位，所述头目标和尾目标的类型相同，所述关系为头目标对尾目标的意图；
[0010]对于目标战场的每个场景，做以下处理，得到战场态势的时空知识图谱：
[0011]1)分别获取场景的态势知识中头目标和尾目标所属类型、所处时间片、所处空间块；
[0012]2)分别对头目标和尾目标所属类型、所处时间片、所处空间块进行编码，对关系进行编码，所述头目标和尾目标的编码方式相同；
[0013]3)构建场景的时空态势知识，所述时空态势知识为三元组[头实体编码，关系编码，尾实体编码]，所述实体编码由节点所处时间片编码、空间块编码和所属类型编码构成。
[0014]优选地，构建所述知识图谱之后，所述方法还包括：
[0015]在目标战场的场景的时空态势知识发生变化时，计算该场景的时空态势知识的置信度，将其作为是否更新入态势知识图谱的依据：将判断为真的时空态势知识添加进时空态势知识图谱；将判断为假的时空态势知识丢弃；将无法做出判读的时空态势知识暂存，留作参考，并做好标记备案。
[0016]优选地，所述关系的全集为∶攻击、防御、支援、群组、侦查，所述作战单位的全集为：装备、人员、组织。
[0017]为实现上述目的，第二方面，本专利技术提供了一种用于战场态势感知的时空态势知识置信度的计算方法，包括：
[0018]T1.根据战场态势的时空知识图谱，构建以该时空态势知识中头实体为根节点的有向图，所述战场态势的时空知识图谱采用如第一方面所述的方法构建；
[0019]T2.将不同的关系分为不同的等级，根据等级分别赋值计算过程中不同的权重参数RW；
[0020]T3.迭代运算有向图中的资源流直到其收敛，并综合权重参数RW计算该时空态势知识中尾实体的资源保留值；
[0021]T4.构建该时空态势知识的特征向量＝[R(t|h)，ID(h)，OD(h)，ID(t)，OD(t)，Dep(h，t)，RW]，其中，R(t|h)为尾实体的资源保留值，ID(h)为头实体的入度，OD(h)为头实体的出度，ID(t)为尾实体的入度，OD(t)为尾实体的出度，Dep(h，t)为头实体至尾实体的深度；
[0022]T5.特征向量V经过激活函数的处理后，转化成的目标实体层面的态势知识置信度。
[0023]优选地，尾实体的资源保留值的计算公式如下：
[0024][0025]其中，θ为每个实体节点的资源流直接跳转到的随机节点的概率，M
t
为所有通向尾实体节点t的节点集合，R(e
i
|h)为实体节点e
i
的资源保留值，为从实体节点e
i
到尾实体节点t的带宽，OD(e
i
)为实体节点e
i
的出度，N为M
t
中节点数目。
[0026]优选地，目标实体层面的态势知识置信度RR(h，t)计算公式如下：
[0027][0028]其中，α为非线性激活函数，u为非线性激活结果，W
i
和b
i
为在训练阶段可调节的参数矩阵，ii∈{1，2}。
[0029]为实现上述目的，第三方面，本专利技术提供了一种基于交叉神经网络与时空知识图谱的战场态势感知方法，包括：
[0030]接收目标战场的场景的新时空态势知识，输入至训练好的态势知识判断模型，得到新时空态势知识的置信度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种战场态势的时空知识图谱构建方法，其特征在于，包括：获取目标战场的所有场景的态势知识，所述态势知识为三元组[头目标，关系，尾目标]，所述目标为场景中出现的作战单位，所述头目标和尾目标的类型相同，所述关系为头目标对尾目标的意图；对于目标战场的每个场景，做以下处理，得到战场态势的时空知识图谱：1)分别获取场景的态势知识中头目标和尾目标所属类型、所处时间片、所处空间块；2)分别对头目标和尾目标所属类型、所处时间片、所处空间块进行编码，对关系进行编码，所述头目标和尾目标的编码方式相同；3)构建场景的时空态势知识，所述时空态势知识为三元组[头实体编码，关系编码，尾实体编码]，所述实体编码由节点所处时间片编码、空间块编码和所属类型编码构成。2.如权利要求1所述的构建方法，其特征在于，构建所述知识图谱之后，所述方法还包括：在目标战场的场景的时空态势知识发生变化时，计算该场景的时空态势知识的置信度，将其作为是否更新入态势知识图谱的依据：将判断为真的时空态势知识添加进时空态势知识图谱；将判断为假的时空态势知识丢弃；将无法做出判读的时空态势知识暂存，留作参考，并做好标记备案。3.如权利要求1或2所述的构建方法，其特征在于，所述关系的全集为：攻击、防御、支援、群组、侦查，所述作战单位的全集为：装备、人员、组织。4.一种用于战场态势感知的时空态势知识置信度的计算方法，其特征在于，包括：T1.根据战场态势的时空知识图谱，构建以该时空态势知识中头实体为根节点的有向图，所述战场态势的时空知识图谱采用如权利要求1至3任一项所述的方法构建；T2.将不同的关系分为不同的等级，根据等级分别赋值计算过程中不同的权重参数RW；T3.迭代运算有向图中的资源流直到其收敛，并综合权重参数RW计算该时空态势知识中尾实体的资源保留值；T4.构建该时空态势知识的特征向量V＝[R(t|h)，ID(h)，OD(h)，ID(t)，OD(t)，Dep(h，t)，RW]，其中，R(t|h)为尾实体的资源保留值，ID(h)为头实体的入度，OD(h)为头实体的出度，ID(t)为尾实体的入度，OD(t)为尾实体的出度，Dep(h，t)为头实体至尾实体的深度；T5.特征向量V经过激活函数的处理后，转化成的目标实体层面的态势知识置信度。5.如权利要求4所述的计算方法，其特征在于，尾实体的资源保留值的计算公式如下：其中，θ为每个实体节点的资源流直接跳转到的随机节点的概率，M
t
为所有...

【专利技术属性】
技术研发人员：刘颢，刘洋，陈炜，涂一田，王海鹏，
申请(专利权)人：中国船舶集团有限公司第七〇九研究所，
类型：发明
国别省市：