军事领域中概念抽取及其应用
大数据情报分析在军事领域中的应用研究
大数据情报分析在军事领域中的应用研究随着信息技术的飞速发展，大数据时代已经到来。
在军事领域中，大数据情报分析已经成为一种必须学习和应用的技术。
大数据情报分析的应用在军事战争中可以极大地提高情报的质量和效率，使战争更容易成功。
一、大数据情报分析的概念大数据情报分析是基于大规模高速数据的分析与提取技术。
它是一种以数据为基础、以数据分析为核心、以数据挖掘为手段、以数据可视化为表现的技术。
大数据情报分析技术的应用范围涉及到许多领域，其中包括军事领域。
军事情报分析是从大量信息中提取有利于决策的数据的过程，而情报分析的效率和准确性取决于处理数据的技术水平。
大数据情报分析技术可以处理大量的数据，将数据转化为可利用的情报，更好地为军事指挥决策提供可靠的情报支持。
二、大数据情报分析的优势大数据情报分析有着许多优势，它可以提高情报分析的效率和准确性，增加情报的可靠性和可用性，从而更好地为决策者提供情报支持。
下面我们来详细了解一下大数据情报分析的优势：1. 可以更快速地收集、处理和分析大数据；2. 可以对多维数据进行分析，获得更全面的情报；3. 可以通过数据挖掘技术识别出相关数据，提高情报的相关性和重要性；4. 可以通过数据可视化技术更清晰地呈现数据和对分析结果进行展示；5. 可以通过数据共享技术实现不同平台之间的数据分享和数据交换，提高数据的共享度和数据的频流透明度；6. 可以对不同类型、不同来源的数据进行整合，实现多元化的情报汇总。
三、大数据情报分析在军事领域中的应用大数据情报分析在军事领域中的应用十分广泛，尤其是在指挥、情报、侦察等方面的应用。
在作战中，军队需要获取实时情报，及时了解敌军的情况。
那么，在军事领域中，大数据情报分析技术将发挥怎样的作用呢？1. 改善情报分析效率传统军事情报分析主要依靠军方情报员的经验和判断，但人类的经验和判断有时会受到限制。
然而，大数据情报分析可以快速处理大量数据，快速发现关键信息，并通过数据挖掘挖掘更多的情报，提高军队情报的质量和效率。
作战概念模型
作战概念模型什么是作战概念模型，以及它的重要性和应用领域。
作战概念模型是指为了描绘、解释和预测战斗和战争行动的关键概念而构建的一个理论框架。
它是战略规划和军事决策过程中的重要组成部分，能够帮助指挥员和决策者更好地理解战场环境、战术原则和行动步骤。
在作战概念模型中，军事专家和战略规划者利用各种战争理论和经验教训构建一个结构化的框架，以模拟和思考战争行动的可能形式和结果。
这些模型通常基于现有的科学原理和数学模型，以及对实际战争经验的总结和分析。
通过使用这些模型，指挥员可以更好地预测和评估不同战略选择的结果，并做出更明智的决策。
作战概念模型的重要性非常明显。
首先，它可以帮助决策者更好地理解战场环境和战术原则。
通过深入研究和建模，决策者能够更清楚地认识自己的实力和弱点，同时也了解敌人的行动和意图。
这种了解可以为战场上的指挥和行动提供宝贵的洞察力。
其次，作战概念模型可以用于预测和评估战争行动的结果。
通过建立不同的战略假设和参数，决策者可以模拟和评估不同的战场情景和结果。
这有助于指挥员制定更明智的决策，避免潜在的风险和错误，最大程度地提升作战效能。
此外，作战概念模型还可以用于培训和教育。
通过建立模拟训练环境，决策者和士兵可以在没有实际战斗的情况下进行训练和演练。
这种虚拟的训练可以帮助他们熟悉战场环境和作战原则，提高决策和执行的能力。
同时，模型也可以用于教育学生和新晋指挥员，让他们更好地理解战争的本质和方法。
作战概念模型的应用领域非常广泛。
首先，它在战略规划和决策制定中起到重要作用。
通过使用这些模型，决策者可以更好地了解和评估不同战略选择的可能结果。
其次，模型可以用于战场指挥和军事行动的监控和控制。
在战斗中，指挥员可以根据模型的分析和预测做出实时决策，调整战术和资源配置，以取得最佳效果。
此外，作战概念模型还可以用于评估和改进现有的军事技术和装备。
通过对现有战场系统的建模和仿真，军事研究人员可以评估不同武器和设备的性能和优势，为未来的军事装备采购和研发提供重要参考。
精简介军事化学基本概念内容应用及其发展历史
哈伯因合成氨于1918年获诺贝尔化学奖。
哈伯在第一次世界
大战期间，还从事
毒气武器的研制，
因而遭到各国科学
家的指责。历史告
诉人们，科学是一
把双刃剑，仅仅注
目于科学和技术的
进步是不够的，必
须站在人民和进步
事业的立场上，让
科学为人类的幸福
服务。
28
化学武器分类：
➢神经性毒剂（沙林、VX、梭曼、塔崩） ➢糜烂性毒剂（芥子气、路易氏气） ➢全身中毒性毒剂（氢氰酸、氯化氰） ➢窒息性毒剂（光气、双光气） ➢失能性毒剂（BZ） ➢刺激性毒剂（CS、苯氯乙酮、亚当氏气） ➢植物杀伤剂
35
原 子 弹 爆 炸 形 成 的 蘑 菇 云
36
氢弹
氢弹是利用氢的同位素氘、氚等轻原子 核的聚变反应瞬时释放出巨大能量而实现 爆炸的核武器，亦称聚变弹或热核弹。氢 弹的杀伤破坏因素与原子弹相同，但威力 比原子弹大得多。原子弹的威力通常为几 百至几万吨梯恩梯当量，氢弹的威力则可 大至几千万吨。还可通过设计增强或减弱 其些破坏因素，其战术技术性能比原子弹 更好。
43
回顾化学发展过程，化学史上每一个重大的化学成 就都是在一定的社会背景条件下产生，合成氨的成 功和实现工业化生产也不例外，它和当时德国军事 上需要的刺激和推动密切有关。一项重大的科技发 明历来就是一把锋利的双刃剑，在给人类带来福音 和实惠的同时，也带来了不幸和灾难，合成氨的发 明同样如此。
44
化学究竟是怎样一门科学？
8
1.1 军事化学基本概念
化学元素（世界上已发现的化学元素达到118 种）
化合物（成千上万） 物理化学性质（化学性质指物质在化学反应
中所表现出来的性质，如还原性，氧化性， 酸性，碱性...... 物理性质是物质在非化学反应中表现出的性 质，如：颜色，气味，密度，比热..... ）
如何理解军事思想的含义特点及作用
如何理解军事思想的含义特点及作用关于战争与军队问题的理性认识。
通常包括战争观、战争问题方法论、战争指导思想、建军指导思想等基本内容。
不同的时代、阶级、国家和人物，有不同的军事思想。
作为马克思主义军事科学的重要组成部分，它揭示战争的本质和基本规律，研究武装力量建设及其使用的一般原则，反映从总体上研究军事问题的理论成果。
军事思想来源于军事实践,又给军事实践以理论指导,并随着战争和军事实践的发展而发展。
军事思想是关于战争、军队和国防的基本问题的理性认识。
是人们长期从事军事实践的经验总结和理论概括。
是军事科学的重要组成部分。
军事思想是一种社会意识形态。
它产生于一定物质生产和战争实践的基础之上，同时受其他社会意识形态的制约和影响。
反映一定阶级和集团利益的政治观念决定军事思想的阶级性质，制约其发展方向。
哲学为军事思想提供认识论和方法论基础。
科学文化水平以及道德、宗教和法律，还有民族、地理环境等因素,也都程度不同地影响军事思想的发展。
反过来,军事思想也影响和作用于其他社会意识形态的发展。
军事领域所揭示的一些规律,所形成的原则、概念和范畴,还常常被用于政治、经济、外交乃至商业竞争、体育竞赛等方面的活动。
军事思想具有鲜明的阶级性。
不同阶级所奉行或推崇的军事思想，反映各个阶级对战争的不同认识和立场。
军事思想具有时代性。
不同历史时期的军事思想各有自己的特征，这种特征往往最能反映当时的物质生产水平。
军事思想还具有明显的继承性。
战争的特性之一，是强制人们必须使自己的主观认识同客观实际相一致才能取胜,所以历史上所形成的许多军事原则、概念和范畴,有些因其反映了军事斗争的共同规律而流传下来为后人所继续使用，并不断地得以丰富和发展。
军事思想是战争实践的产物。
从上古时代起，中原大地上就不断出现部落冲突和部落战争。
进入夏、商、周三代这种冲突和战争更加激烈。
周人说："国之大事，在祀与戎"，干脆把战争当作国家的头等大事。
军事方面的知识军事的概念
军事方面的知识军事的概念军事是军队事务的简称，中国古代称呼为军务，是与一个国家(或者政权、集体)生死存亡有关的重要事务以及法则。
以下是由店铺整理关于军事方面的知识的内容，希望大家喜欢!军事的概括军事是与战争、军队、军人有关事务的总称。
军事学与甚多范畴有关，主要与战争有关。
此外，军事学本身包含了各种学问。
军事是政治的一部分，战争是政治的一种延续，是一国或者集团用暴力手段达到自己目标和目的的方式，而目标和目的往往与利益有关。
战争是军事的集中体现，但不是唯一的体现。
第二次世界大战(1939年-1945年)后的美国和苏联的冷战，就是一种威慑基础上的回避战争方式的斗争。
在人类可以看到的未来，军事始终是政治生活中重要的方面，并在科学技术上对人类生活予重大影响：人类很多科技成就往往先产生于军事领域然后普及到非军事领域的。
军事是战争及一切直接有关武装力量建设事项的总称。
人类社会发生战争的初期，并没有专门的军队组织，也没有专门的武器装备。
基本上采取耕战并举，战时参战，平时耕作、畜牧，生产工具与作战武器并用。
恩格斯把它比喻为“对人的狩猎”。
随着社会生产力的发展，战争规模的扩大和战争的日趋频繁，生产工具和战争工具分工，逐渐出现了“常备军”的组织。
有了常备军，进行常备军的建设、训练，改进武器技术装备，提高战斗技能，以及探讨夺取战争胜利的谋略和指挥艺术，便成为军事活动的重要内容。
随着战争的不断发展，军事活动的内容也越加广泛，主要有：武装力量特别是常备军的组织、训练、管理和作战行动，武器装备的研制、生产和使用，战略战术的研究与运用，战争物资的储备和供应，国防设施的建造，后备力量的动员、组织和建设等。
总之，军事是随着战争的发生、发展而逐渐形成和发展起来的，是力保障顺利遂行战争和赢得战争而进行的一系列特殊组织活动，直接影响到战争的胜负。
军事的排名美国：美国拥有绝对军事优势，拥有着全球最强大的核武库，无论是哪个兵种，都有强大的进攻性。
isr概念-概述说明以及解释
isr概念-概述说明以及解释1.引言1.1 概述ISR是指情报、监视与侦察（Intelligence, Surveillance, and Reconnaissance）的简写，它是一种信息获取和分析的系统化过程，旨在获得对特定目标、区域或事件的情报。
ISR在现代军事领域扮演着至关重要的角色，它通过收集、分析和解释各种情报来源，为决策者提供有关战场上的敌友情况、目标位置和行动意图等重要信息。
传统上，ISR主要与军事相关，旨在帮助战略家和指挥官做出决策。
然而，随着技术的进步和情报需求的扩大，ISR的应用领域已经迅速扩展到了其他领域，如情报机构、执法部门、紧急救援和边境安全等。
在ISR系统中，情报往往通过多种手段获取，包括卫星和飞机上的传感器、无人机、监视摄像头、通信情报、网络监测和开源情报等。
这些情报来源通过传感器捕捉到的数据，经过处理和分析后，形成全面的情报图像，为决策者提供决策支持。
ISR的重要性体现在它为决策者提供了即时和准确的情报，从而帮助他们更好地了解局势、预测对手的行动，并采取相应的行动。
它能够提供实时情报和全面的情报分析，使决策者能够更好地规划和执行任务。
此外，ISR还可以帮助提高情报收集的效率和精度，减少军事行动的风险，并节约资源。
未来，随着技术的不断发展和创新，ISR系统将变得更加先进和智能化。
人工智能、大数据分析和自动化技术的应用将进一步提高ISR系统的性能和效率。
同时，随着信息战的不断升级，ISR在网络空间的作用也日益重要。
因此，ISR的未来发展将与技术和战争形态的变革紧密相连。
总而言之，ISR作为一种关键的情报获取和分析过程，对于军事和其他领域的决策者来说具有重要意义。
它通过收集和分析全面的情报，帮助决策者更好地了解动态和风险，从而有效地执行任务和保护国家安全。
随着技术的发展和战争形态的变化，ISR将继续在未来发挥重要作用，并不断进化和创新。
1.2文章结构文章结构部分的内容应该对整篇文章的结构进行描述和概括，以便读者知道文章的组织和内容安排。
机器人在军事领域的应用
机器人在军事领域的应用已经成为当前军事科技领域备受关注的研究热点之一。
随着科技的不断发展和进步，军事机器人的应用范围越来越广泛，其在军事作战、情报侦察、设施防护等方面发挥着越来越重要的作用。
在这一趋势的推动下，军事机器人已经成为当代军事活动中不可或缺的一部分。
本文将从军事机器人的概念定义、发展历程、应用领域等多个方面进行深入探讨，为读者呈现一个全面而具体的军事机器人应用图景。
首先，我们需要澄清军事机器人的概念定义。
军事机器人，顾名思义，即是指在军事领域使用的机器人系统，它们可以执行各种军事任务，减轻甚至替代人类士兵承担危险任务。
军事机器人通常配备有各种传感器、定位系统、通信设备和武器装备，能够实现自主导航、目标识别、火力打击等功能。
与传统的武器装备相比，军事机器人具有更高的智能化、自主化和灵活性，可以大大提升军队的作战效能。
其次，我们来看军事机器人的发展历程。
军事机器人的发展可以追溯到二战时期的无人飞机和无人潜艇，但真正意义上的军事机器人起步较晚。
20世纪90年代以来，随着计算机、通信和传感技术的飞速发展，各国纷纷将目光投向了军事机器人领域。
美国、俄罗斯、中国等国家相继推出了各类军事机器人产品，并投入实战使用。
目前，军事机器人已经形成了陆地、空中、水下等多个领域的全方位发展态势，应用范围越来越广泛，技术水平也越来越高。
军事机器人的应用领域多种多样。
在军事作战方面，军事机器人可以执行侦察、侦察、突击等重要任务，为指挥官提供实时情报和战场数据，提高作战效能和安全性。
比如无人机可以执行长时间、高空、远距离侦察任务，无人地面车辆可以执行侦察任务、设施保护任务等。
此外，军事机器人还可以执行火力打击、物资补给、伤员救援等任务，减轻士兵负担，提高作战效率，降低作战风险。
在情报侦察方面，军事机器人可以执行危险和复杂的情报侦察任务，获取实时情报和目标信息，为军事行动提供支持。
在设施防护方面，军事机器人可以执行设施巡逻、边境警卫等任务，提升设施安全性和防卫能力。
军事事件图谱构建的事件抽取技术研究
军事事件图谱构建的事件抽取技术研究发布时间：2022-11-28T05:25:53.550Z 来源：《科技新时代》2022年第15期作者：李临风1，潘仁前2[导读] 军事领域中事件抽取是该领域相关体系事件图谱建设的重要步骤。
李临风1，潘仁前21. 中国电子科技集团公司第二十八研究所，江苏南京 210000；2. 中国电子科技集团公司第二十八研究所，江苏南京 210000【摘要】军事领域中事件抽取是该领域相关体系事件图谱建设的重要步骤。
本文基于DMCNN模型对军事领域相关文档进行事件抽取，该模型将事件抽取分为触发词分类和论元分类两个阶段的多分类任务，第一阶段任务目的是确定事件的类别，第二阶段的任务着重于判断触发词与事件元素之间的关系。
在对相关语料进行实验验证的基础上，结果显示该模型对军事事件抽取有较好的性能。
【关键词】军事事件图谱；事件抽取；DMCNN1 引言近些年来，知识图谱技术凭借着自身查询精度以及可扩展性的巨大优势，被广泛应用在军事领域。
这些专业的军事知识图谱很大程度上地提高了作战效率，为作战指挥人员提供了更为夯实的情报数据[1]。
随着大国博弈加深、国际局势恶化以及地区冲突的加剧，描述静态知识的图谱已经很难满足需求，需要一种新的图谱来动态描述军事事件的整个过程，对事件的发生与走向进行预测，使我军能够更快更好地应对突发事件。
当知识图谱作为一项技术和名词性概念进行发展之时，新的变体就会必然出现。
在知识图谱的基本组成单位<实体，实体关系，实体>中，若将实体单位替换成一个事件，将实体之间的关系替换成事件之间的关系，那么就构成了一个以事件为核心的知识图谱，即事件图谱。
知识图谱旨在描述实体与实体之间的关系，例如上下级部队、部队关联设施。
事件图谱更侧重于舆情监测和文本分析，例如军事事件监测、事件发展的预测与推理。
事件是由触发词和描述事件结构的各个元素构成。
事件触发词是触动事件发生的词，决定着事件的类型。
现代军事战略的应用与创新研究
现代军事战略的应用与创新研究近年来，随着科技的飞速发展和安全形势的不断变化，现代军事战略的应用与创新研究变得越来越重要。
在这样的背景下，我们需要深入理解和探索现代军事战略的概念和特点，并发掘新的研究领域和方法。
一、现代军事战略的概念与特点现代军事战略是指在国家利益和安全需要的基础上，通过灵活的思维、高科技的装备和先进的战术策略，预测、分析和应对国际、地区及局部冲突的解决方案。
现代军事战略与传统军事战略相比，有以下几个显著特点：1. 突出联合作战的重要性。
现代军事战略注重多军种、多领域、多角度的联合作战，以实现最大化的战斗力和效果。
2. 倚重科技创新。
现代军事战略非常依赖于科技创新，如无人机、人工智能、虚拟现实等高科技手段的应用已成为现代军事指挥的重要组成部分。
3. 强调信息化建设。
现代军事战略提倡信息化建设，将网络战列为一种新型战争方式，信息化战争和现实战争相互支撑，形成整体作战的新格局。
4. 加强国际合作。
现代军事战略通过加强国际合作，实现全球的战术、技术和资源互通，增强国际军事合作与互信。
二、现代军事战略创新研究的发展趋势1. 战略应用平台的建设近年来，随着云计算、大数据、物联网技术的发展，军队加强了基于平台的信息化建设。
军队推行的“信息化战争”依赖于“信息化平台”建设，提升全军信息化覆盖、服务、管理、运用能力，实现战略信息动态调整，全面提升战斗力。
2. 战略决策智能化在未来的作战中，智能化将成为战争决策的重点。
智能化可以将大量的数据转化为有用的信息，支持指挥官实时控制和指挥战斗，优化作战决策、提高指挥效能，从而提高战斗力。
3. 作战系统集成随着国家安全形势的不断变化而引起的全球作战态势对军队新型作战系统提出了更高要求。
在未来，军队作战系统的集成应具备更广泛、更开放、更标准的特性，并具有较高的可持续性和附加值。
4. 人工智能的应用人工智能在武器装备方面的应用是现代军事战略的一大创新研究方向。
事件提取方法在军事领域的应用趋势
第４３卷第６期２０２１年１２月指挥控制与仿真ＣｏｍｍａｎｄＣｏｎｔｒｏｌ＆ＳｉｍｕｌａｔｉｏｎＶｏｌ ４３㊀Ｎｏ ６Ｄｅｃ ２０２１文章编号：１６７３⁃３８１９（２０２１）０６⁃０１２２⁃０６事件提取方法在军事领域的应用趋势吴㊀蕾１，２，邓甡屾１，３，柳少军１，李志强１（１．国防大学联合作战学院，北京㊀１０００９１；２．陆军航空兵研究所，北京㊀１０１１２１；３．陆军工程大学，江苏南京㊀２１０００１）摘㊀要：事件提取可以帮助用户从海量㊁无序的非结构化信息中快速㊁准确地获取感兴趣的事件，在自然语言处理领域有广泛应用㊂在梳理事件的概念㊁知识表示以及事件提取发展历程的基础上，对元事件和主题事件的提取方法分别进行了归纳和分析，并总结了事件提取方法在军事上的研究现状，探讨了其在军事领域未来的应用趋势㊂关键词：事件提取；元事件；主题事件；机器学习；深度学习中图分类号：Ｅ９１１㊀㊀㊀㊀文献标志码：Ａ㊀㊀㊀㊀ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３⁃３８１９．２０２１．０６．０２２ＥｖｅｎｔＥｘｔｒａｃｔｉｏｎＭｅｔｈｏｄｓａｎｄＤｅｖｅｌｏｐｍｅｎｔＴｒｅｎｄｉｎＭｉｌｉｔａｒｙＦｉｅｌｄＷＵＬｅｉ１，２，ＤＥＮＧＳｈｅｎ⁃ｓｈｅｎ１，３，ＬＩＵＳｈａｏ⁃ｊｕｎ１，ＬＩＺｈｉ⁃ｑｉａｎｇ１（１．ＪｏｉｎｔＯｐｅｒａｔｉｏｎｓＣｏｌｌｅｇｅ，ＮａｔｉｏｎａｌＤｅｆｅｎｃｅＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００９１；２．ＡｒｍｙＡｖｉａｔｉｏｎＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｂｅｉｊｉｎｇ１０１１２１；３．ＡｒｍｙＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１０００１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｅｖｅｎｔｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｃａｎｈｅｌｐｕｓｅｒｓｑｕｉｃｋｌｙａｎｄａｃｃｕｒａｔｅｌｙｉｄｅｎｔｉｆｙｔｈｅｉｎｔｅｒｅｓｔｉｎｇｅｖｅｎｔｓｆｒｏｍｔｈｅｍａｓｓｉｖｅ，ｄｉｓｏｒｄｅｒｅｄａｎｄｕｎｓｔｒｕｃｔｕｒｅｄｉｎｆｏｒｍａｔｉｏｎ，ｗｈｉｃｈｉｓｗｉｄｅｌｙｕｓｅｄｉｎｔｈｅｆｉｅｌｄｏｆｎａｔｕｒａｌｌａｎｇｕａｇｅｐｒｏｃｅｓｓｉｎｇ．Ｏｎｔｈｅｂａｓｉｓｏｆｓｏｒ⁃ｔｉｎｇｏｕｔｔｈｅｃｏｎｃｅｐｔ，ｔｈｅｋｎｏｗｌｅｄｇｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｅｖｅｎｔａｎｄｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｅｖｅｎｔｅｘｔｒａｃｔｉｏｎ，ｔｈｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｓｏｆｍｅｔａ⁃ｅｖｅｎｔａｎｄｔｏｐｉｃｅｖｅｎｔａｒｅｓｕｍｍａｒｉｚｅｄａｎｄａｎａｌｙｚｅｄｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｒｅｓｅａｒｃｈｓｔａｔｕｓｏｆｅｖｅｎｔｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｓｉｎｍｉｌｉｔａｒｙｆｉｅｌｄｉｓｓｕｍｍａｒｉｚｅｄ，ａｎｄｔｈｅａｐｐｌｉｃａｔｉｏｎｔｒｅｎｄｏｆｅｖｅｎｔｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｓｉｎｍｉｌｉｔａｒｙｆｉｅｌｄｉｓｄｉｓｃｕｓｓｅｄ．Ｋｅｙｗｏｒｄｓ：ｅｖｅｎｔｅｘｔｒａｃｔｉｏｎ；ｍｅｔａ⁃ｅｖｅｎｔ；ｔｏｐｉｃｅｖｅｎｔ；ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ；ｄｅｅｐｌｅａｒｎｉｎｇ收稿日期：２０２１⁃０５⁃０５修回日期：２０２１⁃０６⁃０９作者简介：吴蕾（１９８３ ），女，江苏泰兴人，博士研究生，工程师，研究方向为运筹分析与军事智能决策㊂邓甡屾（１９８２ ），女，博士研究生㊂㊀㊀大型计算机模拟对抗演习是和平时期训练指挥员作战指挥能力的主要手段，通常涵盖陆㊁海㊁空㊁天㊁电㊁网多维战场空间，具有模拟层次高㊁仿真规模大㊁覆盖范围广㊁演习要素全㊁描述实体多㊁行动交互复杂等特点㊂对抗演习过程中，人与计算机模拟系统交互作用产生海量的仿真信息，这些信息通常包括作战计划㊁行动指令㊁导调文书等内容，涵盖结构化㊁半结构化以及非结构化多种形式，其多样性和复杂性给指挥员带来了巨大的认知压力㊂因此，迫切需要一种方法，帮助指挥员从这些海量信息中快速㊁准确地筛选出较为关键的事件，为指挥决策或者检验评估提供支撑㊂目前，国内外针对事件提取研究主要集中在元事件提取方面，主题事件提取也逐渐引起关注，但事件提取方法在军事领域应用尚不成熟㊂本文对事件的概念㊁事件提取的发展历程进行了分析，归纳梳理了当前常用的事件提取方法以及各自的特点和局限，并结合事件提取在军事领域研究现状和技术发展，指出了其在军事领域未来的应用趋势，为进一步研究相关领域事件提取提供参考㊂１㊀事件提取相关概念及发展历程１ １㊀事件和事件提取事件（Ｅｖｅｎｔ）的概念来源于认知科学，相关研究者认为人类的记忆由事件以及事件之间的关系构成㊂随后，事件的概念逐渐发展到其他领域㊂在信息检索与信息提取领域，事件一般以句子为单位，指在特定时间段和特定区域内发生的事情，涉及角色的参与，并且由行动组成㊂Ａｌｌａｎ等认为事件是 细化了的用于检索的主题 ［１］，Ｙａｎｇ等将事件定义为 在一个特定时间㊁特定地点发生的事情 ［２］㊂在自动文本摘要领域，事件是比参与者㊁时间和地点等概念具有更大粒度的语义单元，具有动态性和完整意义㊂杨竣辉［３］将事件作为最基本的语义单元，通过研究事件及事件间的关系来表示文本的语义㊂王伟玉等［４］提出了一种事件粒度的话题表示方法，认为通过融合事件描述的共性信息，可以生成事件粒度的话题的简短表示㊂事件提取方法主要研究如何从描述事件信息的数据或语句中提取事件信息并以结构化的形式呈现出来，包括事件时间㊁事件地点㊁参与者以及动作或状态的变化等事件要素㊂１ ２㊀事件提取发展历程事件提取方法取得巨大进步，与测评会议ＭＵＣ㊁ＴＤＴ及ＡＣＥ的推动密不可分，这些测评会议虽然研究. All Rights Reserved.第６期指挥控制与仿真１２３㊀的侧重点各有不同，但是它们的召开在很大程度上促进了事件提取方法的快速发展㊂事件提取研究来源于２０世纪８０年代美国国防部高级研究计划局（ＤｅｆｅｎｓｅＡｄｖａｎｃｅｄＲｅｓｅａｒｃｈＰｒｏｊｅｃｔｓＡｇｅｎｃｙ，ＤＡＲＰＡ）主办的消息理解会议（ＭｅｓｓａｇｅＵｎｄｅｒ⁃ｓｔａｎｄｉｎｇＣｏｎｆｅｒｅｎｃｅ，ＭＵＣ）㊂随着信息化战争的到来，军事数据数量巨大并且飞速增加，从纷繁复杂的数据中提取关键信息就显得极为重要㊂因此，会议最早的语料来源是美军的作战文书，任务是从这些作战文书中抽取相关事件，填入预先设置的模板㊂这一系列会议的召开标志着信息提取开始成为自然语言处理领域的一个重要分支㊂另一个评测会议 话题识别与跟踪（ＴｏｐｉｃＤｅ⁃ｔｅｃｔｉｏｎａｎｄＴｒａｃｋｉｎｇ，ＴＤＴ）会议也是由ＤＡＲＰＡ主办的，它的主要任务是对面向新闻信息事件识别和提取的技术进行研究和评测，目的是通过对文本的划分㊁对新闻信息流的监控以及对同一话题下的分散报道的有效组织，发现特定领域新事件的报道㊂会议初期，学者们指出一个话题就是一个特定事件，随着会议的召开，话题逐渐发展为相互之间有关系的多个事件的组合㊂由美国国家标准与技术研究所（ＮａｔｉｏｎａｌＩｎｓｔｉｔｕｔｅｏｆＳｔａｎｄａｒｄｓａｎｄＴｅｃｈｎｏｌｏｇｙ，ＮＩＳＴ）组织的自动内容抽取（ＡｕｔｏｍａｔｉｃＣｏｎｔｅｎｔＥｘｔｒａｃｔｉｏｎ，ＡＣＥ）国际测评会议进一步推动了事件提取研究的发展，这是事件提取领域非常重要的系列会议，主要研究如何从新闻语料库中自动抽取实体㊁关系㊁事件等内容㊂与ＭＵＣ会议相比，ＡＣＥ会议不针对具体的领域或场景，也不预先设置模板，更强调对文本中事件要素的识别与描述㊂２㊀事件提取的分类元事件表示一个动作的发生或状态的变化，它是主题事件的基本组成单位㊂目前国内外学者对于元事件提取的研究已经比较成熟，对于主题事件提取的研究也越来越重视㊂２ １㊀元事件提取随着事件提取技术的发展，元事件提取先后出现三种主要方法㊂最早出现的是基于模式匹配的事件提取方法，其在提取事件时用模式进行约束，从而找出符合约束条件的事件，具体提取流程如图１所示㊂国外很早就开展了这方面的研究工作，并陆续开发了ＰＡＬＫＡ㊁ＴＩＭＥＳ㊁ＡｕｔｏＳｌｏｇ⁃ＴＳ等基于模式匹配的事件提取系统㊂国内事件提取研究开展较晚，研究者们陆续定义了一些事件的模式并提出了相关模式学习方法，这些方法主要是利用与领域无关的知识库进行模式学习，进而实现事件提取㊂图１㊀基于模式匹配的元事件提取流程将传统机器学习方法应用到事件提取中主要是通过特征选择，训练出分类效果较好的分类器，进而实现事件的提取㊂用于事件提取的传统机器学习方法主要有支持向量机（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，ＳＶＭ）模型㊁最大熵（ＭａｘｉｍｕｍＥｎｔｒｏｐｙ，ＭＥ）模型㊁隐马尔可夫模型（ＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌ，ＨＭＭ）㊁条件随机场（ＣｏｎｄｉｔｉｏｎａｌＲａｎｄｏｍＦｉｅｌｄｓ，ＣＲＦ）模型等方法，它们各有其局限性，比如，ＳＶＭ模型难以在大规模训练样本上进行，ＨＭＭ需要严格的独立性假设作为前提，ＭＥ模型迭代过程计算量非常大，而ＣＲＦ模型较复杂且训练代价较高㊂随着人工智能技术的飞速发展，以循环神经网络（ＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋ，ＲＮＮ）和卷积神经网络（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，ＣＮＮ）为代表的深度学习方法逐渐在事件提取中快速应用和发展㊂Ｎｇｕｙｅｎ［５］使用ＲＮＮ来进行事件提取的研究，在神经网络输入层除了使用传统的词向量之外，还根据文本内容增加了额外的特征向量，因此，能够更好地在局部文本中提取事件㊂Ｃｈｅｎ等［６］提出动态多池化卷积神经网络（ＤｙｎａｍｉｃＭｕｌｔｉ⁃ＰｏｏｌｉｎｇＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ，ＤＭＣＮＮ）事件提取模型，在传统ＣＮＮ模型基础上增加了动态多池机制，从而提升了事件提取的效果㊂基于模式匹配的事件提取由于需要进行具体模式的构建，因此，方法可移植性较差，且模式构建通常需要领域相关专家的参与㊂与模式匹配方法相比，基于机器学习的方法需要的人工干预相对较少，但也需要借助工具选取与任务相关的特征，因而特征选取的好坏与事件提取的效果直接关联㊂而基于深度学习的事件提取方法采用的是端到端的学习，不需要借助外部的自然语言处理工具设计特征，但其对语料库的质量和数量要求很高㊂２ ２㊀主题事件提取单个元事件通常无法清楚描述整个事件，而主题事件作为元事件的有机组合，能更好地表现主题，目前可分为基于事件框架和基于本体两种方式㊂. All Rights Reserved.１２４㊀吴㊀蕾，等：事件提取方法在军事领域的应用趋势第４３卷基于框架的主题事件提取通过构建事件框架来提取事件，并根据一定规则将事件融合在一起㊂许荣华等［７］通过定义事件融合框架（ＴｏｐｉｃＥｖｅｎｔＦｕｓｉｏｎＦｒａｍｅ⁃ｗｏｒｋ，ＴＥＥＥ）来完成主题事件提取，如图２所示，一般通过合并与同一主题相关的所有元事件以及通过计算元事件与主题之间的相关性来呈现主题事件㊂赵文娟等［８］基于主题事件框架，构建网络事件提取流程，对从网络文档中提取㊁合并与主题事件相关的各种信息的技术和方法进行了描述与验证㊂图２㊀主题事件融合框架基于本体的主题事件提取开始受到越来越多的关注㊂本体是概念及概念间关系的一种表示方法，可以被看作一个描述某领域知识的通用概念模型，因此，非常适合描述主题型事件㊂张一帆等［９］提出了事件五元组表示方式和事件本体模型，该模型是以事件类为基本单位的知识表示模型，包含了时间㊁地点㊁动作㊁参与者㊁结果等事件要素，能够更全面㊁准确地描述突发事件，更好地展示主题㊂吴奇［１０］将本体技术应用到事件提取中，利用对领域知识的描述进行事件提取，指出可以利用本体中的概念和关系，结合本体中事件结构的特点，根据不同的算法和规则实现主题事件提取㊂３㊀事件提取方法在军事领域的研究现状和应用分析３ １㊀事件提取方法在军事领域的研究现状事件提取方法最早起源于美军对作战文书进行信息提取的需求，后来逐渐发展到金融㊁新闻㊁法律㊁医学等领域，并取得了极大的进步㊂国内近些年也开始注重对事件提取的研究，但目前，相比其他领域来说，军事领域事件提取相关研究相对较少，仅在军事实体事件提取㊁战场元素建模㊁作战文书事件提取等方面有一些研究㊂沈大川等人［１１］提出了利用本体和规则推理捕获战场 关键事件 的方法，构建了战场态势核心本体以及战场领域本体，提出战场数据是以事件的形式传递的，战场 关键事件 提取规则建立在战场领域本体的基础之上，通过对战场元素的概念建模以及一定条件的约束，能反映战场的要素及要素间的基本关系，结合一定的知识和规则可将这些要素和关系聚合成 关键事件 ㊂宋仁亮等［１２］提出利用事件描述模型提取战场关键事件的方法，他分析了战场关键事件的主要类型和相关特征，建立了关于战场关键事件的描述模型，通过对作战目标和战场区域之间的关系㊁作战目标与战场分界线之间的关系㊁战场实体属性的变化㊁作战力量的变化进行分析和计算，提取战场关键事件㊂付雨萌等［１３］以某海军舰队的活动事件为例，对相关军事实体进行了分类，在此基础上，结合军事活动的特点，分别对活动事件进行结构化㊁形式化描述，实现军事活动事件本体的构建，从而为其后续进行军事活动相关领域知识库及知识图谱的构建打下基础㊂游飞［１４］对军事装备实体事件进行分类，并运用双向长短时记忆（Ｂｉ⁃ｄｉｒｅｃｔｉｏｎａｌＬｏｎｇＳｈｏｒｔ⁃ＴｅｒｍＭｅｍｏｒｙ，Ｂｉ⁃ＬＳＴＭ）网络模型对事件触发词进行识别，通过在模型中加入负采样训练得到的特征向量，并引入句法分析和双向多层ＬＳＴＭ，从而提升ＬＳＴＭ网络模型的性能，取得了良好的效果，反映出事件提取在军事领域的研究价值㊂王学峰等［１５］针对作战文书中出现的新力量㊁新编号和新战法难以通过简单的模板构建提取事件的实际问题，提出利用深度学习方法从作战文书中获取关键事件㊂Ｂｉ⁃ＬＳＴＭ网络对较长句子上下文能较好记忆，动态词向量（ＥｍｂｅｄｄｉｎｇｆｒｏｍＬａｎｇｕａｇｅＭｏｄｅｌｓｏｆＣｈａｒ⁃ａｃｔｅｒ，ＥＬＭｏ）对汉字语义能多重表示，ＣＲＦ模型对标注规则能有效学习，基于这些特点，构建了结合这三种方法的事件提取模型，并在演习导调文书语料集上进行了实验，取得了较好的事件提取效果㊂３ ２㊀军事知识图谱的应用现状军事知识图谱中包含的事件知识隐含于军事大数据中，需要通过事件提取技术从不断增加的海量军事数据中获取关键事件知识才能实现数据的有效利用㊂目前，军事领域已经逐渐开展相关知识图谱构建工作，为军事人员快速准确获取并共享军事相关知识提供支撑㊂第６期指挥控制与仿真１２５㊀邢萌等［１６］面向部队平时及战时的应用场景，针对军事领域的特点，提出军事领域知识图谱及应用技术架构，描述了军事领域知识图谱构建环节的难点，对基于本体的知识表示㊁基于机器学习的知识提取等关键技术进行研究，为开展军事领域知识图谱的应用提供支撑手段㊂吴云超等［１７］为提高仿真推演系统的效率，探讨了领域知识图谱在仿真实体动态生成中的应用㊂通过提出面向仿真推演的领域知识图谱构架及领域知识图谱构建方法，建立基于军事专家经验和知识的领域知识体系，实现从实时战场数据㊁作战条例㊁历史规律等结构多样的数据中提取相关的实体㊁关系㊁属性等事件要素㊂车金立等［１８］将知识图谱应用于装备维修保障知识库的构建㊂在对装备维修保障知识图谱的构建流程设计的基础上，利用装备维修保障数据进行关键信息的提取㊂知识图谱在装备维修保障领域的应用目的是解决装备维修保障信息化过程中出现的信息过载㊁查询信息效率低下等问题㊂张进等［１９］针对传统武器系统故障诊断方法的一些弊端，在统计岸炮武器系统各类常见故障的基础上，利用知识图谱构建领域知识库，并根据武器系统常见故障设定多重任务场景，然后基于任务驱动智能客服多轮对话，实现武器系统的故障诊断和排除㊂陈辞等［２０］从复杂关系语义特征出发，研究如何利用现有的军事知识图谱，对新增的军事知识进行语义融合和组织，深入研究军事语义信息提取方法以及基于在线和学习的信息提取机制，构建基于关联语义链网络的军事知识图谱演化研究方法和技术构架㊂王保魁等［２１⁃２２］基于知识图谱技术，采用态势要素解析方法与形式化态势知识描述方法相结合的方式，对想定场景初始态势中实体及其关系进行分析和知识表示学习，并提出基于图嵌入的兵棋联合作战态势实体知识表示方法，为大规模联合作战态势知识的获取㊁融合㊁推理奠定基础㊂胡志磊等［２３］围绕以事件为核心的事件图谱，对其构建与应用的相关模型和方法进行总结㊂对其中包含的事件提取㊁事件关系推断以及事件预测等技术进行分析，并给出事件图谱具体的应用场景㊂３ ３㊀面向仿真推演的事件提取方法应用分析模拟对抗演习时，推演数据急速增长，如何从这些海量㊁低密度㊁结构多样的信息中提取出关键事件逐渐受到重视㊂通过对推演数据进行事件提取，并以军事知识图谱㊁作战过程描述㊁作战行动脉络等形式展现，可以用来支持信息检索㊁自动问答㊁情报分析㊁知识推荐等活动，辅助导演部更好地对演习进行复盘评估，实施总结讲评，从而让指挥员更清楚地了解作战要素及演习过程，更有效地总结经验教训或者实施指挥决策，具体应用框架如图３所示㊂图３㊀面向辅助演习讲评的事件提取方法应用框架１）作战过程分析与描述如何从海量的计算机演习数据中筛选出影响演习进程或者作战结果的关键事件，对于分析评估整个作战过程至关重要㊂演习过程中，指挥员通常会根据作战任务和态势变化下达大量演习指令，形成众多的作战行动，产生不同的行动效果㊂这些作战行动中往往会包含一些影响战役进程或战略全局的重要事件，通过对这些重要事件进行提取和梳理不仅有助于描述作战过程，帮助指挥员聚焦关键行动，减少冗余信息的干扰，甚至可以进一步探寻联合作战中一些隐藏的规律㊂２）军事知识图谱的构建知识图谱（ＫｎｏｗｌｅｄｇｅＧｒａｐｈ）是一种描述实体及其关系的语义网络，它提供对领域知识的可视化表示方法㊂军事知识图谱是各类作战实体及其关系的可视化呈现，通过构建军事知识图谱，将散乱㊁无序的战场数据整合在一起，可以提供作战要素㊁行动㊁效果以及关系等的查询与相关知识的推荐，为军事数据智能化分析提供有力支撑㊂事件提取作为军事知识图谱构建的基本方法之一，将对运用军事知识图谱研究作战过程中的事件及其关系建模等问题提供强有力的手段㊂３）作战行动脉络分析元事件粒度相对较小，通过其看问题往往比较片面，仅仅对其进行信息提取无法令人清晰地认识整个. All Rights Reserved.１２６㊀吴㊀蕾，等：事件提取方法在军事领域的应用趋势第４３卷事件过程㊂未来军事领域中，事件提取方法重要的一个应用趋势就是作战行动脉络分析㊂作战行动脉络作为一种特定的事件脉络，它通常是演习中指挥员关注的重点㊂面向演习讲评或者指挥决策需求时，导演部和指挥员更需要通过获取行动事件发生的原因㊁经过和结果等信息以及行动之间的层次关系㊁因果关系等来了解整个战役行动的脉络，掌握整个战役的发展过程，从而通过对多个行动及其之间关系的有序集合，完整㊁清晰地呈现整个战役的发展过程，真实再现重要作战行动的来龙去脉㊂３ ４㊀事件提取方法在军事领域的应用趋势利用事件提取方法对海量异构的军事数据进行分析与挖掘，能够大幅提高军事大数据的综合利用能力㊂随着人工智能技术的发展，事件提取方法在军事领域中的应用将呈现以下趋势㊂１）关注事件溯源以及趋势研判现代战争，军事行动多样，作战样式复杂，涉及要素众多，如何从多源㊁无序㊁复杂的海量数据中发现关键军事事件并对其来源以及意图趋势进行分析研判，对辅助指挥员准确判断敌情㊁正确指挥决策极为重要㊂事件提取方法作为情报分析与态势研判的基础，能够为指挥员从杂乱无章的数据中发现关键军事事件，并进行因果关系研判提供基本手段㊂通过对事件溯源和趋势分析，对弱关联事件进行数据挖掘，可以将军事行动的整个过程以及行动间的关系清晰地展现出来，为指挥员决策提供依据㊂２）聚焦特定任务知识图谱目前，军事知识图谱已发展得较为成熟，但其建设与应用仍存在较大局限㊂随着军事智能化要求的提高，军事知识图谱将进一步细化到各分支的业务领域㊂今后，面向特定作战任务的知识图谱以及侧重于复杂事件及其关系建模的知识图谱，将越来越受到关注㊂因此，针对不同的军事任务，需要从实际应用角度出发，考虑具体的应用背景和知识框架，界定出合理的知识粒度，才能更好地实现面向特定任务知识图谱的事件提取㊂３）重视面向事件的语料库构建目前，高质量数据集缺失或不足问题，使事件提取在军事领域的应用仍有较大局限㊂尤其深度学习方法对数据质量和数量要求很高，需要大量不同实例的数据集作为训练样本数据，数据量达不到一定规模将难以开展基于深度学习的事件提取研究㊂而当前军事领域面向事件提取的语料库并不丰富，成为制约军事领域事件提取方法研究的瓶颈㊂因此，未来将重视军事领域语料库的扩建，解决相关领域语料缺乏的问题㊂４㊀结束语本文梳理了事件的概念㊁事件提取的发展历程，对元事件和主题事件的提取方法分别进行归纳和分析，并结合事件提取在军事领域研究现状和技术发展，指出了事件提取方法在军事领域今后可能的应用趋势，为下一步事件提取工作的开展和研究提供参考㊂参考文献：［１］㊀ＡｌｌａｎＪ，ＰａｐｋａＲ，ＬａｖｒｅｎｋｏＶ．Ｏｎ⁃ｌｉｎｅＮｅｗＥｖｅｎｔＤｅ⁃ｔｅｃｔｉｏｎａｎｄＴｒａｃｋｉｎｇ［Ｃ］ʊＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２１ｓｔＡｎｎｕａｌＩｎｔｅｒｎａｔｉｏｎａｌＡＣＭＳＩＧＩＲＣｏｎｆｅｒｅｎｃｅｏｎＲｅｓｅａｒｃｈａｎｄＤｅ⁃ｖｅｌｏｐｍｅｎｔｉｎＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ，１９９８：３７⁃４５．［２］㊀ＹａｎｇＹ，ＣａｒｂｏｎｅｌｌＪＧ，ＢｒｏｗｎＲＤ，ｅｔａｌ．ＬｅａｒｎｉｎｇＡｐ⁃ｐｒｏａｃｈｅｓｆｏｒＤｅｔｅｃｔｉｎｇａｎｄＴｒａｃｋｉｎｇＮｅｗｓＥｖｅｎｔｓ［Ｊ］．ＩＥＥＥＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓＳｐｅｃｉａｌＩｓｓｕｅｏｎＡｐｐｌｉｃａｔｉｏｎｓｏｆＩｎｔｅｌｌｉｇｅｎｔＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ，１９９９，１４（４）：３２⁃４３．［３］㊀杨竣辉．文本事件关系抽取中关键技术研究及应用［Ｄ］．上海：上海大学，２０１９．［４］㊀王伟玉，史存会，俞晓明，等．一种事件粒度的抽取式话题简短表示生成方法［Ｊ］．山东大学学报，２０２１，５６（５）：６６⁃７５．［５］㊀ＮｇｕｙｅｎＴＨ，ＣｈｏＫ，ＧｒｉｓｈｍａｎＲ．ＪｏｉｎｔＥｖｅｎｔＥｘｔｒａｃｔｉｏｎｖｉａＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋｓ［Ｃ］ʊＣｏｎｆｅｒｅｎｃｅｏｆｔｈｅＮｏｒｔｈＡｍｅｒｉｃａｎＣｈａｐｔｅｒｏｆｔｈｅＡｓｓｏｃｉａｔｉｏｎｆｏｒＣｏｍｐｕｔａ⁃ｔｉｏｎａｌＬｉｎｇｕｉｓｔｉｃｓ：ＨｕｍａｎＬａｎｇｕａｇｅＴｅｃｈｎｏｌｏｇｉｅｓ，２０１６：３００⁃３０９．［６］㊀ＣｈｅｎＹｕｂｏ，ＸｕＬｉｈｅｎｇ，ＬｉｕＫａｎｇ，ｅｔａｌ．ＥｖｅｎｔＥｘｔｒａｃｔｉｏｎｖｉａＤｙｎａｍｉｃＭｕｌｔｉ⁃ＰｏｏｌｉｎｇＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ［Ｃ］ʊＡｓｓｏｃｉａｔｉｏｎｆｏｒＣｏｍｐｕｔａｔｉｏｎａｌＬｉｎ⁃ｇｕｉｓｔｉｃｓ，２０１５：１６７⁃１７６．［７］㊀许荣华，吴刚，李培峰，等．基于事件框架的主题事件融合研究［Ｊ］．计算机应用研究，２００９，２６（１２）：４５４２⁃４５４４．［８］㊀赵文娟，刘忠宝．基于汉语框架的网络事件抽取及相关算法研究［Ｊ］．情报理论与实践，２０１６，３９（１０）：１１２⁃１１６．［９］㊀张一帆，郭勇，李坤伟，等．一种突发事件领域本体建模方法［Ｊ］．信息系统工程，２０２０，１（５）：１３４⁃１３６．［１０］吴奇．基于领域本体的Ｗｅｂ实体事件抽取问题研究［Ｄ］．济南：山东大学，２０１４．［１１］沈大川．战场关键事件提取技术研究［Ｊ］．计算机技术与发展，２００９，１９（１１）：２０２⁃２０５，２０９．［１２］宋仁亮，戴兆乐．战场关键事件提取与告警方法［Ｊ］．软件工程，２０１６，１９（１０）：１⁃３．［１３］付雨萌，程瑾，罗准辰，等．基于本体的军事活动事件知识建模研究［Ｊ］．中华医学图书情报杂志，２０２０，２９（３）：４７⁃５２．［１４］游飞．基于深度学习的军事事件抽取研究［Ｄ］．南京：华. All Rights Reserved.第６期指挥控制与仿真１２７㊀东计算技术研究所，２０１８．［１５］王学峰，杨若鹏，李雯．基于深度学习的作战文书事件抽取方法［Ｊ］．信息工程大学学报，２０１９，２０（５）：６３５⁃６４０．［１６］邢萌，杨朝红，毕建权．军事领域知识图谱的构建及应用［Ｊ］．指挥控制与仿真，２０２０，４２（４）：１⁃７．［１７］吴云超，毛少杰，周芳．面向仿真推演的领域知识图谱构建技术［Ｊ］．指挥信息系统与技术，２０１９，１０（３）：３２⁃３６．［１８］车金立，唐力伟，邓士杰，等．装备维修保障知识图谱构建方法研究［Ｊ］．兵工自动化，２０１９，３８（１）：１５⁃１９．［１９］张进，徐宁骏，赵伟光，等．基于智能客服技术的武器系统故障诊断方法［Ｊ］．指挥控制与仿真，２０２０，４２（４）：１２３⁃１２７．［２０］陈辞．基于知识图谱的军事知识演化技术研究［Ｊ］．舰船电子工程，２０１９，３９（６）：２２⁃２７．［２１］王保魁，吴琳，胡晓峰，等．基于知识图谱的联合作战态势实体描述方法［Ｊ］．指挥控制与仿真，２０２０，４２（３）：８⁃１３．［２２］王保魁，吴琳，李丽，等．基于图嵌入的兵棋联合作战态势实体知识表示学习方法［Ｊ］．指挥控制与仿真，２０２０，４２（６）：２２⁃２８．［２３］胡志磊，靳小龙，陈剑赟，等．事件图谱的构建㊁推理与应用［Ｊ］．大数据，２０２１，７（３）：８０⁃９６．（责任编辑：张培培）. All Rights Reserved.。
军事领域知识图谱的构建及应用
第４２卷第４期２０２０年８月指挥控制与仿真ＣｏｍｍａｎｄＣｏｎｔｒｏｌ＆ＳｉｍｕｌａｔｉｏｎＶｏｌ ４２㊀Ｎｏ ４Ａｕｇ ２０２０文章编号：１６７３⁃３８１９（２０２０）０４⁃０００１⁃０７军事领域知识图谱的构建及应用邢㊀萌，杨朝红，毕建权（陆军装甲兵学院，北京㊀１０００７２）摘㊀要：军事领域知识图谱是链接作战部队㊁指挥系统㊁武器平台等各类作战要素的桥梁，是打通各军兵种不同业务领域间信息隔阂的重要手段㊂现有的知识图谱多为面向通用领域的通用知识图谱，而针对军事特定领域的行业数据并没有成熟的领域知识图谱构建以及表示方法㊂对此，基于未来信息化㊁智能化作战领域对军事知识采集㊁存储㊁表示㊁查询等技术的特殊需求及图谱在部队平时及战时的应用场景，初步探讨了军事领域知识图谱当前面临的机遇和挑战，提出了军事领域知识图谱构建及应用技术架构，并对基于本体体系的知识表示㊁基于机器学习的知识抽取㊁跨领域知识融合㊁知识计算㊁知识应用等知识全生命周期各个环节的关键问题及核心技术进行研究，以满足军事领域对知识的深度㊁准确性的严格要求㊂关键词：军事行业数据；军事领域知识图谱；知识全生命周期；本体体系；跨域融合中图分类号：Ｅ９１７㊀㊀㊀㊀文献标志码：Ａ㊀㊀㊀㊀ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３⁃３８１９．２０２０．０４．００１ＣｏｎｓｔｒｕｃｔｉｏｎａｎｄＡｐｐｌｉｃａｔｉｏｎｏｆＤｏｍａｉｎ⁃ｓｐｅｃｉｆｉｃＫｎｏｗｌｅｄｇｅＧｒａｐｈｉｎＭｉｌｉｔａｒｙＦｉｅｌｄＸＩＮＧＭｅｎｇ，ＹＡＮＧＣｈａｏ⁃ｈｏｎｇ，ＢＩＪｉａｎ⁃ｑｕａｎ（ＡｒｍｙＡｃａｄｅｍｙｏｆＡｒｍｏｒｅｄＦｏｒｃｅｓ，Ｂｅｉｊｉｎｇ１０００７２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｄｏｍａｉｎ⁃ｓｐｅｃｉｆｉｃｋｎｏｗｌｅｄｇｅｇｒａｐｈｉｎｍｉｌｉｔａｒｙｆｉｅｌｄｉｓａｂｒｉｄｇｅｔｏｃｏｎｎｅｃｔａｌｌｋｉｎｄｓｏｆｂａｔｔｌｅｆａｃｔｏｒｓ，ｓｕｃｈａｓｃｏｍ⁃ｂａｔｆｏｒｃｅｓ，ｃｏｍｍａｎｄｓｙｓｔｅｍ，ｗｅａｐｏｎｐｌａｔｆｏｒｍｓ，ｅｔｃ．Ｉｔ ｓａｌｓｏａｎｉｍｐｏｒｔａｎｔｍｅａｎｓｔｏｂｒｅａｋｔｈｒｏｕｇｈｔｈｅｉｎｆｏｒｍａｔｉｏｎｇａｐｂｅ⁃ｔｗｅｅｎｄｉｆｆｅｒｅｎｔａｒｅａｓｏｆｄｉｆｆｅｒｅｎｔｓｅｒｖｉｃｅｓ．Ｍｏｓｔｏｆｔｈｅｅｘｉｓｔｉｎｇｋｎｏｗｌｅｄｇｅｇｒａｐｈｉｓｇｅｎｅｒａｌｋｎｏｗｌｅｄｇｅｇｒａｐｈｆｏｒｇｅｎｅｒａｌｆｉｅｌｄｓ，ｂｕｔｔｈｅｒｅｉｓｎｏｍａｔｕｒｅｍｅｔｈｏｄｏｆｋｎｏｗｌｅｄｇｅｇｒａｐｈｃｏｎｓｔｒｕｃｔｉｏｎａｎｄｅｘｐｒｅｓｓｉｏｎｆｏｒｔｈｅｉｎｄｕｓｔｒｙｄａｔａｏｆｍｉｌｉｔａｒｙｓｐｅｃｉｆｉｃｆｉｅｌｄｓ．Ｓｏｂａｓｅｄｏｎｔｈｅｓｐｅｃｉａｌｎｅｅｄｓｆｏｒｍｉｌｉｔａｒｙｋｎｏｗｌｅｄｇｅａｃｑｕｉｓｉｔｉｏｎ，ｓｔｏｒａｇｅ，ｒｅｐｒｅｓｅｎｔａｔｉｏｎ，ｑｕｅｒｙａｎｄｏｔｈｅｒｔｅｃｈｎｏｌｏｇｉｅｓｉｎｔｈｅｆｕｔｕｒｅｉｎｆｏｒｍａｔｉｏｎａｎｄｉｎｔｅｌｌｉｇｅｎｔｏｐｅｒａｔｉｏｎｓ，ａｎｄｔｈｅａｐｐｌｉｃａｔｉｏｎｓｃｅｎａｒｉｏｓｉｎｐｅａｃｅｔｉｍｅａｎｄｗａｒｔｉｍｅ，ｔｈｉｓｐａｐｅｒｄｉｓｃｕｓｓｅｓｔｈｅｃｕｒｒｅｎｔｏｐｐｏｒｔｕｎｉｔｉｅｓａｎｄｃｈａｌｌｅｎｇｅｓｏｆｔｈｅｋｎｏｗｌｅｄｇｅｇｒａｐｈｉｎｍｉｌｉｔａｒｙｄｏｍａｉｎ．Ｔｈｅｎｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｋｎｏｗｌｅｄｇｅｇｒａｐｈｉｎｍｉｌｉｔａｒｙｄｏｍａｉｎａｎｄａｐｐｌｉｃａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｆｒａｍｅｗｏｒｋａｒｅｐｒｏｐｏｓｅｄ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｉｓｐａｐｅｒｓｔｕｄｉｅｓｔｈｅｋｅｙｐｒｏｂｌｅｍａｎｄｃｏｒｅｔｅｃｈｎｏｌｏｇｉｅｓｏｆｋｎｏｗｌｅｄｇｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｎｏｎｔｏｌｏｇｙ，ｋｎｏｗｌｅｄｇｅｅｘｔｒａｃｔｉｏｎ，ａｎｄｋｎｏｗｌｅｄｇｅｆｕｓｉｏｎｃｒｏｓｓｄｏｍａｉｎ，ｋｎｏｗｌ⁃ｅｄｇｅｃｏｍｐｕｔｉｎｇ，ｋｎｏｗｌｅｄｇｅａｐｐｌｉｃａｔｉｏｎａｎｄｏｔｈｅｒａｓｐｅｃｔｓｏｆｋｎｏｗｌｅｄｇｅｌｉｆｅｃｙｃｌｅ，ｔｏｍｅｅｔｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆｍｉｌｉｔａｒｙｄｏ⁃ｍａｉｎｆｏｒｔｈｅｄｅｐｔｈａｎｄａｃｃｕｒａｃｙｏｆｋｎｏｗｌｅｄｇｅ．Ｋｅｙｗｏｒｄｓ：ｄａｔａｉｎｍｉｌｉｔａｒｙｄｏｍａｉｎ；ｄｏｍａｉｎ⁃ｓｐｅｃｉｆｉｃｋｎｏｗｌｅｄｇｅｇｒａｐｈｉｎｍｉｌｉｔａｒｙｆｉｅｌｄ；ｋｎｏｗｌｅｄｇｅｆｕｌｌｌｉｆｅｃｙｃｌｅ；ｏｎｔｏｌｏｇｙｓｙｓｔｅｍ；ｃｒｏｓｓｄｏｍａｉｎｆｕｓｉｏｎ收稿日期：２０１９⁃１２⁃０５修回日期：２０２０⁃０１⁃１３作者简介：邢㊀萌（１９９０ ），女，河南濮阳人，硕士，讲师，研究方向为知识图谱㊁人工智能㊁网络安全㊂杨朝红（１９７６ ），男，博士后，副教授㊂㊀㊀知识图谱概念起源于语义网络，于２０１２年由Ｇｏｏｇｌｅ提出，是一种用于其搜索结果优化的辅助知识库㊂随着知识图谱技术的快速发展，目前已开始应用于各垂直领域㊂领域知识图谱（Ｄｏｍａｉｎ⁃ｓｐｅｃｉｆｉｃＫｎｏｗｌ⁃ｅｄｇｅＧｒａｐｈ，ＤＫＧ）是指聚焦在特定垂直领域的知识图谱，其中，大都是跟该领域相关的实体和概念［１］㊂领域知识图谱与通用知识图谱（Ｇｅｎｅｒａｌ⁃ｐｕｒｐｏｓｅＫｎｏｗｌｅｄｇｅＧｒａｐｈ，ＧＫＧ）的区别主要体现在知识表示㊁知识获取和知识应用三个层面㊂一是从知识表示层面看，ＧＫＧ对知识的覆盖范围远大于ＤＫＧ，而ＤＫＧ在知识的深度上更深，尤其体现在图谱的层级体系上，并且，两者在知识表示的粒度上也有很大区别，比如，通用知识图谱的表示粒度可以是计算机中的一个文档，而领域知识图谱的粒度通常要精细到文档中的一个段落㊁一个知识点等；二是从知识获取层面看，领域知识图谱对前置数据模式有更严格的要求，应用场景的严谨性要求数据具有更高的准确度，比如医学领域㊁军事领域㊁高精尖科技领域等，所以，在领域知识图谱的构建中，专家参与度更高，自动化程度较低；三是知识应用层面上，ＤＫＧ的推理链条通常比较长，主要是因为领域知识图谱的实体分布较为密集，相对于ＧＫＧ，它在单个实体的相关知识覆盖面更广泛，在这样一个实体密集的知识图谱上进行长距离推理之后的结果大概率仍是有意义的，因此，领域知识图谱能够胜任类似深度推理㊁复杂查询等应用［２］㊂２㊀邢㊀萌，等：军事领域知识图谱的构建及应用第４２卷领域的知识图谱是用来辅助各种复杂的分析应用或决策支持，不同领域的构建方案与应用形式有所不同㊂知识图谱作为人工智能技术中的知识容器和孵化器，对未来ＡＩ领域发展起关键性的作用㊂未来全军作战样式将全面向基于网络信息体系的联合作战样式转变，信息已经成为链接各作战部队㊁武器装备㊁信息系统等各类作战单元的重要纽带，亟须对这些信息资源进行组织关联及共享开发，以打通信息隔阂，取得战争信息优势㊂本文初步探讨了军事领域知识图谱当前面临的机遇和挑战，从新的领域知识图谱角度提出了军事领域知识图谱构建及应用技术架构，给出军事领域知识图谱的应用场景，针对军事领域特点，对知识全生命周期的各个环节的关键技术流程进行专项研究，旨在推动军事领域知识图谱的落地应用，对网络信息体系建设中的数据关联构建㊁数据组织和知识管理具有一定的指导意义㊂１㊀领域知识图谱研究背景和相关工作当前，国内外对领域知识图谱的研究热点主要有领域大脑构建㊁大规模领域知识图谱的存储与计算㊁知识图谱交互以及领域知识图谱应用等几个方面㊂在领域图谱构建方面，由于通用知识图谱的知识来源于多种结构的数据，其可看成一个面向通用领域的 结构化的百科知识库 ，而领域知识图谱又称为行业知识图谱或垂直知识图谱，面向某一特定领域㊂领域知识图谱基于行业数据构建，通常有严格而丰富的数据模式，对知识的深度㊁准确性要求较高，亟须解决增强领域知识的表示能力㊁对领域实体进行识别和关系抽取㊁隐性关系发现等关键问题㊂在大规模领域知识图谱的存储与计算方面，由于大部分领域除了实体关系数据外，还有时间㊁空间㊁规则㊁标签等重要的知识数据，单独使用图数据库已经不能满足多种数据结构的存储要求，基于图数据库的混合存储模型研究成为热点［３］；基于通用知识图谱的推理技术并不能很好地移植到领域知识图谱中，一些学者开始从程序性知识的角度研究领域内的知识推理，如何将这种人类的思维以程序性知识的形式转化为机器的路径是当前的一个研究重点［４］㊂领域知识图谱的应用研究主要有智能搜索及问答㊁辅助决策及个性化推荐等方面㊂目前，领域知识图谱已经在医疗㊁电商㊁金融㊁军工㊁电力㊁教育㊁公安等多个领域开展应用，例如，在金融领域的信用评估㊁风险控制㊁反欺诈方面的应用，以及医疗领域的智能问诊等的应用［５］㊂当前，国内对军事领域知识图谱的研究成果较少，车金立等对基于百科知识的军事装备知识图谱构建与应用进行了研究，构建了军事装备领域的知识图谱，实现了知识问答功能［６］，但只是基于公开的半结构化的百科数据，数据源单一，数据类型少，且研究成果中没有明确知识抽取的准确率㊁自动化程度以及知识问答结果的准确率；周丽娜等人研究了网络信息体系知识本体的构建方法，认为当前的问题是解决本体的自动构建和更新，知识图谱无法涵盖所有军事活动［７］；国内还有对基于知识图谱的日本西南防卫力量的研究，利用图数据库进行存储提升数据的扩展性和处理效率，研究成果可以辅助军事决策和军事侦察等［８］，但同样存在数据源单一㊁节点间关系过于简单等问题㊂刘丽㊁葛斌㊁蒋锴等人对军事数据组织技术进行了研究，描述了基于知识图谱的军用数据组织技术框架，但尚未体现军用领域知识图谱的专用技术［９⁃１１］㊂２㊀军事领域知识图谱应用场景需求分析按照部队的作战状态可以将应用场景分为平时和战时㊂平时应用场景主要包含基于军事知识的智能问答㊁个性化推荐㊁隐蔽知识推理等基于知识图谱的辅助数据分析及决策功能；战时应用场景主要包含情报保障㊁作战筹划与行动控制㊁战时辅助判断与决策推荐等战时指挥控制典型功能应用㊂２ １㊀平时应用场景当前，基于领域知识图谱的智能问答类应用从简单场景延伸至复杂和多元化的应用场景，从智能搜索发展为智能推荐㊁知识问答等复杂任务㊂应用到部队平时训练场景中，例如，在坦克射击训练时，从对战斗室的了解与使用到实现战斗瞄准射击，共有两百余项练习内容，每项练习内容的步骤数量从三到十余步不等，每步均有相应的完成条件与实现标准㊂如询问 射击前检查 的练习内容与方法，基于知识图谱的智能问答系统应能返回准确的练习内容，如火控计算机自检㊁安全保护功能检查㊁液压闭锁功能检查㊁各种工作模式功能检查㊁夜视仪功能检查等，并为用户智能推荐进行该练习时可能用到的装备及辅助工具，在操作过程中可以进行相关问题的解答与解决方案推荐，如 炮控系统检查需要哪些准备工作 ㊁ 建议在进行功能检查前应将夜视仪检查完毕 等㊂从用户提出的问题来看，除传统的陈述类问题之外，领域知识图谱重点解决的是解释类的问题㊂像 ｗｈａｔ ㊁ ｗｈｏ ㊁ ｗｈｅｎ ㊁ ｗｈｅｒｅ 这样简单的陈述类问题只能满足用户对知识图谱最基础的要求，现在，越来越多的场景要求解决 ｗｈｙ ㊁ ｈｏｗ 等解释类问题［１２］㊂第４期指挥控制与仿真３㊀作战人员对于作战数据的需求是多元化和个性化的，通过以搜索引擎为代表的信息检索系统获得的结果并不能很好地满足作战人员的个性化需求，此类问题可通过基于领域知识图谱的个性化推荐解决；由于领域知识图谱可以支撑推理链条较长的应用场景，能够推理出基于更深层次关系的隐蔽知识，还可以根据用户的统计数据描述用户习惯，进行隐蔽知识推理㊂基于领域知识图谱的智能问答㊁个性化推荐㊁隐蔽知识推理等应用，可以显著提高部队日常训练的组织效率，节约装备及人力资源㊂２ ２㊀战时应用场景战时应用场景主要是以典型作战任务为牵引，在部队现役指挥信息系统基础上进行基于知识专家经验的升级改造，以支撑作战人员进行作战筹划与行动控制㊁辅助判断与决策推荐等为目的应用场景㊂在战场作战指挥的过程中，对战场情况的辅助判断与决策推荐等应用场景，领域知识图谱通过学习军事指挥作战条例，深度分析指挥作战制胜机理，通过研究经典案例的指挥决策机制，提供基于蓝军相似度的作战方案推荐与决策支持，从而形成基于部队作战经验及实时态势数据的辅助判断与决策推荐模型，可实现对战场情报进行多体系㊁多维度㊁多层次的分析，支撑复杂战场态势的综合研判和决策推荐，图１是知识图谱在作战指挥中的应用模型㊂图１㊀军事领域知识图谱在作战指挥中的应用模型３㊀军事领域知识图谱构建及应用技术架构通用的知识图谱主要强调知识的广度，是运用百科数据自底向上的方法进行构建㊂而领域知识图谱面向不同的领域，其数据模式不同，应用需求不同，需要通过一套通用的标准和规范来指导构建，基于行业特点及专家经验定制实现㊂军事领域知识图谱构建及应用是一个系统工程，其从无到有的构建过程分为六个环节，本文称其为领域知识图谱的全生命周期，其设计的关键技术流程主要包含知识表示㊁知识存储㊁知识抽取㊁知识融合㊁知识计算㊁知识计算与演化㊁知识应用［１３⁃１４］，如图２所示㊂４㊀邢㊀萌，等：军事领域知识图谱的构建及应用第４２卷图２㊀军事领域知识图谱构建及应用技术架构图㊀㊀数据层是整个领域知识图谱构建的基础，与传统互联网数据不同，军事领域数据的来源与类型不同，含军用数据库㊁作战文书㊁情报文本㊁图像㊁流媒体等多源异构的军事数据，主要来源于军用标准数据库及已有／在研型号信息系统上获取的目标情报等信息㊂３ １㊀知识表示环节知识表示定义了领域的基本认知框架，明确基本概念以及概念之间的语义关联，提供机器认知的基本骨架及数据结构，以达到对知识的合理组织［１７］㊂军事领域中，知识表示环节需要关注两个问题㊂一是通用知识图谱并不足以表达所有语义，比如，在军事领域中的装备维修及配置等应用场景，对于ｉｆ⁃ｔｈｅｎ规则的表示比较困难，如规则ｉｆＡａｎｄＢｔｈｅｎＣ，知识图谱很难表达关系复杂的原子表达式㊂一些军事领域的应用场景增加了时空维度等表达要素，远远超出知识图谱的三元组所能表达的简单关联事实㊂二是细粒度知识表示是军事领域应用的强需求之一，但不代表所有应用场景都需要细粒度表示，粒度越细表达能力越强，同时获取代价越大㊂３ ２㊀知识存储环节知识管理主要是进行知识的存储㊁建立索引并实现知识的高效查询㊂军事领域知识图谱还有多样异构知识，具有多源性㊁异构性㊁时序性㊁实时性㊁冗余性㊁强关联性和闭环性等特征㊂知识表示存在如下难点：一是传统的ＸＭＬ存储方式不适合非结构化㊁半结构化和结构化数据的分析和建模；二是领域知识图谱中的概念㊁实例等之间的关联关系非常复杂，传统的本体编辑工具以ＲＤＦ或ＯＷＬ形式存储，由于数据都在内存中存在副本，不适应大量数据的存储场合；三是通用知识图谱使用的图数据库（Ｎｅｏ４ｊ）在支持军用中文知识图谱的复杂使用场景时会影响各类数据查询和修改的速度，综上，必须使用合理的存储机制，以满足高并发㊁高速度的查询㊂３ ３㊀知识抽取环节知识抽取环节是对知识框架的知识实例进行填充，需要注意的是获取知识的质量和完备性问题㊂一是各级各类大型军事信息系统在多任务复杂的使用环境下产生了大量的军事数据，此类数据存在数据来源不同㊁数据格式多样性的特点，需要针对不同数据的特征设计提高知识抽取的准确率和召回率的关键手段，例如，军用数据库存在数据表示不一致，数据无法完成汇聚及智能检索的问题；作战文书具有复杂程度高，特殊数据多，数据规则性强，需要提前注入相应军事规则㊂二是由于军事领域的应用场景极端严肃，对知识获取的质量要求非常苛刻，知识获取方案要兼顾要求和成本，避免知识库的缺漏㊁错误㊁信息陈旧等问题［１５⁃１６］㊂３ ４㊀知识融合环节由于数据的来源多样，抽取方式和手段不同，从知识抽取获得的实体㊁关系及属性结果中存在数据冗余㊁噪声㊁非完备和不确定等问题，同时，数据间的关系无层次及明确的逻辑关系，此类问题通过知识抽取的清洗环节无法解决，迫切需要构建基于一体化的实体关系表示模型㊂面向不同领域㊁数据模式㊁应用需求，对海量异构数据资源完成数据的语义标准和链接，以及进行实体消歧㊁实体对齐，实现多个领域图谱的跨域语义融合，形成全局统一的知识表示和关联［１７⁃１８］㊂３ ５㊀知识计算与演化环节为了提高军事领域知识图谱的实际应用价值，需要对实体间存在的大量隐含关系进行挖掘㊂由于军事领域知识图谱的实体分布较为密集，单个实体的相关知识覆盖面广，需针对其知识表示的粒度及深度更深的特征，过增量知识和规则的快速加载，完成长距离的推理，以保障推理的延展性及正确性，挖掘语义层面的更多关联信息和知识［１９］㊂此外，军事知识图谱的构建是一个不断迭代更新第４期指挥控制与仿真５㊀的过程，作战方案㊁策略㊁手段是不断变化的，需要及时进行知识的置信评估及新知识的完善㊂３ ６㊀知识应用环节知识应用需要考虑技术成熟度，同时还要避免 为了图谱而图谱 ，因此，应该谨慎选择应用场景㊂军事知识应用需明确应用场景与知识的应用方式，即明确要解决的问题㊂一是什么样的应用场景下可以使用知识图谱㊂知识图谱作为一种面向人机协同的开放知识管理机制，有特定价值和成本，对于不同应用问题，知识图谱不总是最好的解决方案［２１］㊂二是军事领域知识图谱的应用场景比通用知识图谱的应用场景复杂得多，当前领域知识体系在建立时大多以领域数据的基本概念㊁实体为中心，这在理解复杂应用场景中的用户需求时存在天然缺陷㊂如何才能更好地设计出复杂的作战应用场景并弥补这种语义鸿沟，是知识应用环节中需要重点关注和解决的问题㊂４㊀军事领域知识图谱构建关键技术根据上文提出的军事领域知识图谱构建及应用技术架构，以及在知识全生命周期各环节关注的典型问题，对部分关键技术进行设计及介绍㊂４ １㊀面向复杂知识的知识表示技术增强复杂知识的表示能力可以通过构建附加信息模型的方式（除了仅仅依靠知识库中的三元组构造知识图谱表示模型外），将一些模型外的附加信息进行表示提升㊂在军事领域知识构建过程中，通过增加实体类型来更清晰地表示实体之间的关系㊂在军事知识库中，给每个实体设定相应的类别，例如，歼⁃２０具有战斗机的属性㊂在军事领域知识图谱构建过程中设立类似ＩｓＡ这样的可以表示实体属性的复杂关系，例如，（歼⁃２０，ＩｓＡ，战斗机）的三元组㊂当进行知识图谱表示的时候，利用具有实体属性的三元组将属性信息考虑到向量表示中，增加复杂知识的表示能力㊂此外，针对一些跨多媒体数据表示的实体，如包含了声音㊁图片㊁视频等军事实体，通过对实体增加语义文本描述信息以提高知识表示质量㊂为表示向量化军事实体之间的关系，采用ＲＥＳＣＡＬ语义匹配模型，用ｈ代表头实体，ｒ代表关系，ｔ代表尾实体，在实体和关系向量化过程中，将三元组向量化为（ｈ，ｒ，ｔ）㊂为了表示向量化后的实体之间的关系，构造如下函数ｆｒ（ｈ，ｔ）＝ｈＴＭｒｔ＝ðｄ－１ｉ＝０ðｄ－１ｊ＝０［Ｍｒ］ｉｊ㊃［ｈ］ｉ㊃［ｒ］ｊ其中，Ｍｒ表示关系的权重向量，模型将知识图谱形式化为三维张量，该张量包括一个因子矩阵和一个核心张量，因子矩阵中每一行代表一个实体，核心张量中每个二维矩阵切片代表一种关系，由因子矩阵和核心张量还原的结果被看成对应三元组成立的概率，若三元组正确，则实体之间满足关系ｈ＋ｒʈｔ㊂４ ２㊀基于混合存储的军事知识存储技术军事领域知识图谱的内容形式及格式丰富，在存储结构的设计上，需兼顾各类数据内容的查询与修改操作的速度，采用多类存储媒介以实现军事知识的混合存储，包含关系数据库㊁图数据库㊁内存数据库㊁文件索引系统等，将非结构化㊁半结构化数据在知识图谱中以ＨＤＦ格式和ＲＤＦ格式分布式图存储并进行标注，通过内存数据库及关系数据库对多源异构数据进行有效融合，实现多源异构知识的统一存储管理，对视频㊁图片㊁声音等文件利用文件存储系统进行存储㊂该框架包括源数据存储管理器㊁数据处理器㊁数据提取引擎㊁消息队列㊁存储和索引接口及订阅服务６个部分㊂４ ３㊀基于本体映射及机器学习的军事知识抽取技术㊀㊀针对军事领域知识图谱对知识质量要求严苛，本文提出在保证质量的前提下尽量降低成本的原则：首先，明确数据来源，按照避难就简的原则，尽量选择质量较好㊁结构化程度较高的数据源，之后，通过非结构化数据逐步扩大规则集，并进行知识的跨域迁移，复用相近领域知识㊂１）结构化数据是军用数据建设过程中产生的规则性较强㊁业务性强的基础数据，对其提出一种基于网络本体语言的关系数据本体抽取方法，构建从军事领域关系数据库到本体的映射，通过元数据库或军用关系数据库中的元数据抽取关系数据的模式，将关系数据库中存在的表转换为网络本体语言模式中的同名类，表中字段转换为对应属性，表中数据记录转换为类的实体对象，并参照表间的相应关系设定类间㊁属性间的关系以及属性的对应约束条件㊂利用数据库表中的数据为本体的实例进行赋值，将数据库表中的元组映射到本体实例，实现军用结构化数据的本体抽取，获取可用的知识单元，生成语义的初始参考集［２２］，如图３所示㊂２）在对作战基础数据和业务数据抽取的基础上，对非结构化的军事数据进行知识抽取，通过增量迭代的方式逐步扩大知识规则㊂军用领域的非结构化数据或者半结构数据主要包含作战文书㊁情报文本以及战场的图像及视频数据，且业务特征较明显，适合采用机器学习的采样方法㊂军事领域知识图谱与通用知识图谱不同，它在构建过程中需要根据军事应用的需求定义明确的命名实体以及实体关系㊂因此，对于军事领域中的知识抽取任务均是有监督学习任务㊂在对作战６㊀邢㊀萌，等：军事领域知识图谱的构建及应用第４２卷文书和情报文本等文本数据进行知识抽取时，选择采用基于深度学习的有监督方法㊂例如，在作战文书的抽取上，采用一种基于序列模型并结合位置注意力机制的实体和关系联合抽取模型，实现了对重叠实体关系的抽取，提高识别重叠实体的准确率㊂此外，对于图像㊁视频及语音等数据，首先使用深度学习算法进行模型转换，将其描述为文本，并以此与现有知识进行规则匹配㊂图３㊀军事领域结构化数据抽取流程图４ ４㊀基于多特征的跨域知识融合技术知识融合的过程中，主要涉及实体消歧㊁实体对齐㊁属性融合和值规范化等技术㊂其中，实体消歧和实体对齐在知识融合中发挥了重要作用㊂基于多特征的知识融合如图４所示㊂图４㊀军事领域知识融合主要技术共指消解通过实体对齐方式，将多个图谱中多特征数据表示为同一实体进行对齐，消除歧义㊂对多特征的数据完成不同来源㊁不同形态的知识融合，以完成不同军兵种及不同武器装备平台的知识融合［２３］㊂１）实体消歧实体关系消歧的本质是衡量候选实体与上下文的兼容性，考虑军事领域实体关系的特殊性，需要保留实体关系的相关信息，并根据上下文信息推测当前词汇指向的具体实体㊂２）实体对齐针对现有单一特征实体对齐方法有歧义㊁效率低的问题㊂融合多种特征的实体对齐算法是较有效的方法㊂融合实体名称㊁实体类别㊁关键词集㊁实体属性等多种特征计算相似度，最后，得到实体对齐结果㊂实践证明，其效果要好于基于实体属性和上下文对齐及人工标注对齐结果㊂４ ５㊀军事领域知识图谱推理及演化技术知识推理利用已有种子集中的本体关系，完成实体之间关系的推理，产生实体间新的关联关系，实现知识图谱的补全㊂军事领域知识图谱还存在小样本问题，需解决具有数据稀疏特性的知识图谱的推理问题，因此，提出一种协同过滤机制下的混合远程监督和深度学习的知识推理方法㊂一是知识推理过程中加入协同过滤机制后，在保证推理结果可靠性的同时，有效改善了深度学习推理结果的可解释性，实现优势互补，提升推理性能；二是通过远程监督在知识推理中加入外部知识来构建数据集，提供附加学习样本，有效解决军事领域的小样本问题；三是通过深度学习方法利用已知三元组，构建并训练双向循环神经网络（ＢｉＬＳＴＭ）深度抽取器，从更多的实体相关文本中抽取新的三元组，提高了知识图谱补全的效果㊂此外，在知识推理的基础上，设计一种基于反馈调节机制的维护流程，采用知识网络知识可信度测度技术进行军事知识的评估验证，完成知识的推理和补全，形成迭代循环㊂４ ６㊀面向平时／战时应用场景的知识应用知识图谱在具有以下特点的应用场景中更容易成功：领域知识相对封闭，较少涉及常识，涉及知识简单㊂应用场景涉及知识的简单程度如何，具体可以通过设置三类问题来进行判断㊂第一类问题：是否用到元知识，是否单一模型，是否长程推理，是否涉及多样知识类型；第二类问题：知识是否容易发生变化，是否涉及复杂过程描述，是否涉及分支繁复的推理；第三类问题：是否有知识资源积累，如领域本体㊁叙词表㊁领域词典等［２４］㊂军事领域知识图谱在应用上应重视 三性 ：专业性㊁高效性和独立性㊂专业性表明在相对封闭且涉及军事背景较深的图谱构建需要军事专家经验的渗入，。
基于概念模型的军事需求分析
基于概念模型的军事需求分析军事需求分析是军事系统需求分析的重要组成部分，通过分析和挖掘军事需求，可以为军事决策提供重要的支持。
基于概念模型的军事需求分析方法逐渐得到应用，并在军事领域取得了显著的成效。
本文将介绍基于概念模型的军事需求分析方法的基本概念和流程，并探讨其在实际应用中的优势和局限性。
1. 概念模型的基本概念概念模型是指对实体和实体之间关系的抽象和表示，它是现实世界的一个简化和抽象，用于帮助人们理解和解决实际问题。
在军事需求分析中，概念模型可以用来描述军事系统中的各种实体和它们之间的关系，如武器装备、部队编制、作战指挥等。
2. 基于概念模型的军事需求分析流程基于概念模型的军事需求分析通常包括以下几个步骤：(1) 需求收集与整理：通过与军事领域专家的讨论和调研，获取各类军事需求信息，并对其进行整理和分类。
这一步骤旨在建立一个全面且准确的需求库。
(2) 概念模型设计：根据军事需求库中的需求信息，设计概念模型，将各种实体和实体之间的关系进行抽象和表示。
概念模型可以使用图形化表示方法，如实体关系图、UML等。
(3) 概念模型验证与修正：将设计好的概念模型与实际情况进行对比，验证其准确性和完整性。
如果存在问题或遗漏的地方，需要对概念模型进行修正和完善。
(4) 需求分析与评估：基于概念模型，对军事需求进行分析和评估。
可以使用定性和定量的方法来评估需求的重要性和紧急程度，并确定需求的优先级。
(5) 需求管理与控制：在需求分析阶段完成后，需要对需求进行管理和控制，确保需求的有效实施和跟踪。
可以使用需求管理工具来帮助实现需求的追踪和变更控制。
3. 基于概念模型的军事需求分析方法的优势基于概念模型的军事需求分析方法具有以下几个优势：(1) 可视化表示：概念模型可以使用图形化的方式进行表示，直观且易于理解。
这有助于军事专家更好地掌握需求情况，并减少对需求的误解。
(2) 概念共享与交流：概念模型提供了一个统一的语言和概念体系，有助于不同军事专家之间的共享和交流。
了解物理学在军事科技领域的应用
了解物理学在军事科技领域的应用物理学是自然科学中研究物质及其相互作用的一门学科，它的应用范围广泛，包括军事科技领域。
物理学的原理和方法在军事科技中得到广泛运用，对于提升国防实力、保卫国家安全具有重要意义。
本文将探讨物理学在军事科技领域的应用，并举例说明其在军事科技中的重要作用。
一、雷达技术雷达是一种利用电磁波进行探测和测距的技术，物理学为雷达技术的发展提供了重要支持。
物理学的电磁波理论为雷达信号的传播和接收提供了理论基础，使得雷达能够在大气中传播并接收反射回来的信号。
雷达技术在军事领域中广泛应用，例如军舰上的防空雷达、战机上的导航雷达等，它们通过物理学原理实现对敌方目标的探测和追踪。
二、光学技术光学是研究光的传播、反射、折射和干涉等现象的学科，光学技术在军事科技中有着广泛的应用。
物理学的光学理论为光学器件的设计与制造提供了基本原理，使得军事科技领域中的激光器、红外相机等设备得以实现。
光学技术在导航、目标识别、火控系统等方面发挥着重要作用，提高了军队在夜间作战和复杂环境中的作战能力。
三、核物理技术核物理是研究原子核和核反应的学科，它的应用对于军事科技具有重要意义。
核物理技术在军事中的应用主要包括核武器和核能动力。
核武器是利用核裂变或核聚变反应释放出的巨大能量来实现杀伤敌方目标的武器，其核心技术就是核物理。
核能动力则是利用核反应产生的热能产生动力，例如核潜艇就是利用核能动力进行航行。
核物理技术的应用在军事领域中起到了重要的决定性作用，对于维护国家安全至关重要。
四、声学技术声学是研究声波的传播、反射和干涉等现象的学科，它的应用在军事科技中是不可或缺的。
声学技术在潜艇和水下作战中具有重要作用。
物理学的声学理论为潜艇的设计和制造提供了理论基础，使其能够在水下进行航行和实施攻击。
此外，声纳技术也是声学技术在军事中的重要应用，它能够利用声波对敌方潜艇进行探测和追踪，提高自己的作战能力。
五、电磁学技术电磁学是研究电磁场和电磁波的学科，它的应用也广泛存在于军事科技领域。
当代军事技术发展及其应用研究
随着科技的不断进步，各种高科技武器装备如无人机、精确 制导武器、隐形战斗机等已经广泛应用到军事领域中。这些 武器装备具有精度高、威力大、成本低等特点，极大地提高 了现代战争的作战效能。
当代军事技术的分类与特点
01
侦察与监视技术
当代军事技术中，侦察与监视技术是获取战场信息的重要手段。包括
04
当代军事技术发展与国家安全
当代军事技术发展对国家安全的影响
技术优势对国家安全的保障
军事技术的发展可以提升国家的军事实力，保障国家安全。例如，先进的武器装 备可以提高国家的防御能力和打击能力。
信息安全在国家安全中的重要性
当代军事技术发展也包括信息安全技术的发展。信息安全对于国家安全至关重要 ，保障信息安全可以避免国家机密泄露，维护国家安全。
新能源技术在军事中的应用
太阳能供电
利用太阳能电池板，为军 事设备和武器系统提供电 力，提高其在偏远地区的 作战能力。
燃料电池
利用燃料电池技术，提供 清洁、高效的能源供应， 支持长时间作战和特殊环 境下的作战任务。
储能技术
利用超级电容器、蓄电池 等储能技术，提高军事设 备的能量密度和供电可靠 性。
03
当代军事技术发展 及其应用研究
2023-10-30
contents
目录
• 当代军事技术概述 • 高新技术在军事领域的应用 • 当代军事技术的战略价值与挑战 • 当代军事技术发展与国家安全 • 案例分析：当代军事技术应用的实际效果
01
当代军事技术概述
当代军事技术的发展现状
信息化战争
随着信息技术的快速发展，当代军事技术已经进入了信息化 战争阶段。信息化战争中，信息成为战争中的重要资源，信 息获取、处理和传递的能力直接影响着战争的胜负。
国防教育知识点掌握军事战略的基本原理
国防教育知识点掌握军事战略的基本原理军事战略的基本原理是军事领域中的关键概念，它对于国防工作具有重要的指导意义。
国防教育知识点掌握军事战略的基本原理涉及到对军事战略的认知、理解和应用。
本文将从军事战略的概念、基本原理以及其在国防教育中的应用等方面进行论述。
一、军事战略的概念军事战略是指军队根据国家安全战略和军事目标，依据一定的原则、规律和方法，制定出一系列有关军事行动的策略和战略计划的科学体系。
军事战略的核心目标是有效地利用有限的军事力量来达到最终的胜利目标。
军事战略的内容包括军事部署、作战计划、战斗组织、军事行动等。
二、军事战略的基本原理1. 综合性原理：军事战略是一个综合性的学科体系，它涉及到政治、军事、经济、科技、文化等多个方面的知识和技能。
军事战略的制定和实施需要充分考虑到各种因素之间的相互影响和制约关系。
2. 全局性原理：军事战略的制定和实施需要从整体上把握，不能只考虑到一部分或者局部的因素。
军事行动的胜利需要在整体上具备优势，要充分协调各个方面的力量和资源，形成整体的合力。
3. 灵活性原理：军事战略需要具备灵活性，根据实际情况随时调整军事行动的策略和战略计划。
在面对复杂多变的战场环境和敌情变化时，需要能够及时作出相应的决策和调整。
4. 科学性原理：军事战略的制定和实施需要基于科学的分析和研究，不能凭借主观臆断和主观意识进行决策。
科学的方法和手段能够帮助军事战略的制定者更好地把握战略的规律和趋势。
5. 整体性原理：军事战略的制定和实施需要考虑到整体的利益，避免过分追求局部的胜利而忽视整体的平衡。
军事战略的成功需要充分协调各个方面的力量，形成整体的合力。
三、军事战略的运用与国防教育国防教育是一项综合性的教育工作，其核心任务是增强全民的国防观念和国防能力。
军事战略的基本原理在国防教育中具有重要的作用和意义。
1. 培养军事素质：通过国防教育，可以帮助全体公民提高军事素质，增强国家安全意识和保卫意识。
知识图谱研究现状及军事应用
Vol. 34, No. 12Dec., 2020第34卷第12期2020年12月中文信息学报JOURNAL OF CHINESE INFORMATION PROCESSING文章编号：1003-0077(2020)12-0009-08知识图谱研究现状及军事应用林旺群】，汪淼】，王 伟1,王重楠】，金松昌2（1.军事科学院评估论证研究中心，北京100091；2.军事科学院国防科技创新研究院，北京100071）摘要：知识图谱以语义网络的形式将客观世界中概念、实体及其之间的关系进行结构化描述•提高了人类从数据 中抽取信息、从信息中提炼知识的能力。
该文形式化地描述了知识图谱的基本概念，提出了知识图谱的层次化体系架构，详细分析了信息抽取、知识融合、知识架构、知识管理等核心层次的技术发展现状，系统梳理了知识图谱在 军事领域的应用，并对知识图谱未来发展的挑战和趋势进行了总结展望。
关键词：知识图谱，信息抽取•知识融合，知识推理•军事应用中图分类号：TP391 文献标识码：AA Survey to Knowledge Graph and Its Military ApplicationLIN Wangqun 1 , WANG Miao 1 , WANG Wei 1 , WANG Chongnan 1 , JIN Songchang 2(1. Center for Assessment and Demonstration Research, Academy of Military Science » Beijing 100091, China ；2. National Innovation Institute of Defense Technology » Academy of Military Science, Beijing 100071, China)Abstract : Knowledge graph describes the concept » entity and their relationship in the form of semantic network. Inthis paper* we formally describe the basic concepts and the hierarchical architecture of knowledge graph. Then wereview the state-of-the-art technologies of information extraction, knowledge fusion, schema* knowledge manage ment. Finally » we probes into the application of knowledge graph in the military field, revealing challenges andtrends of the future development.Keywords : knowledge graph ； information extraction ； knowledge fusion ； knowledge inference; military application0引言随着移动计算、云计算、大数据等技术的蓬勃发展，由各类社交网络、电子商务、物联网等所产生的 数据以前所未有的速度快速增长。
模糊逻辑在军事模拟中的应用
模糊逻辑在军事模拟中的应用在军事领域中，模拟是一种非常重要的技术手段。
通过模拟，可以有效地提高作战指挥员的实战能力和决策水平。
而模糊逻辑作为一种人工智能技术，在军事模拟中也有着广泛的应用。
本文将从模糊逻辑在军事模拟中的基本概念、军事模拟中的应用和它的优势三个方面进行阐述。
一、模糊逻辑的基本概念模糊逻辑是指将不明确或者不精确的信息用数学方法来表示的一种逻辑。
模糊逻辑的核心在于将概念隶属度引入推理过程中。
概念隶属度是指某个事物属于一个概念的程度，它的取值范围在0到1之间。
当隶属度为0时，表示事物不属于这个概念；当隶属度为1时，表示事物完全属于这个概念。
模糊逻辑主要包括模糊集合论、模糊关系、模糊推理等方面。
在军事模拟中，模糊逻辑可以应用到兵力部署、火力打击等决策过程中。
二、1. 兵力部署在军事指挥中，兵力部署是一个非常重要的环节。
模糊逻辑可以在兵力部署中应用。
通过将不同战术要素的不同隶属度用模糊数学方式表示出来，再利用模糊逻辑进行推演，可以得到更加科学且符合实际的兵力部署策略。
比如某军事演练中，指挥员利用模糊逻辑得出某一战术指标的可行范围，从而选择最佳的部署方案。
2. 火力打击在军事模拟中，火力打击是一个非常重要的决策过程。
通过将各种要素的不同隶属度表示出来，可以用模糊逻辑推演出最优的火力打击策略。
通过模糊逻辑计算出目标价值隶属度和打击效果隶属度，并将两个隶属度进行卷积，就可以得到综合隶属度，在此基础上选择最优的火力打击方案。
三、模糊逻辑在军事模拟中的优势1. 可以处理模糊信息在军事决策中，很多情况下存在着不确定或者不明确的信息。
这些信息用传统的逻辑无法处理，而模糊逻辑可以通过隶属度表示不确定信息，从而处理这些模糊信息。
2. 更加符合实际模糊逻辑在军事模拟中的应用可以使兵力部署、火力打击等决策更加符合实际。
通过模糊划分，可以更好地将各种决策因素纳入到模型中，从而得出更优的决策方案。
3. 可以模拟人类思维过程模糊逻辑是一种基于隶属度的逻辑方法，它可以模拟人类的思维过程。
军工科普知识
军工科普知识军工科普知识是指关于军工领域的科学普及知识，旨在向大众介绍军工技术、装备和相关领域的基本概念、原理和发展动态。
本文将从军工的定义、发展历史、技术应用和国际合作等方面进行介绍，帮助读者了解军工科技的重要性和应用前景。
一、军工的定义和发展历史军工，即军事工业，是指国家为满足国防需要而进行的军事装备和技术研发、生产的工业部门。
军工技术的研发和应用对于国家安全和军事实力至关重要。
军工的发展历史可以追溯到古代，随着战争的发展，人们开始研制各种军事器械和装备。
随着科技的进步，军工技术也不断发展壮大，成为国家综合实力的重要组成部分。
二、军工技术的应用领域1. 军事装备：军工技术的主要应用领域是军事装备的研发、生产和维护。
军事装备包括各类武器、战车、舰船、飞机、导弹等，它们是国家军事实力的重要体现。
2. 军事通信：军工技术在军事通信领域也有广泛应用。
军事通信是指军队内部和军队之间的通信系统，包括通信设备、通信网络和通信协议等。
军事通信的安全和稳定对于战斗指挥和信息传输至关重要。
3. 军事雷达：雷达是军事领域中重要的侦察工具，它可以通过发射电磁波并接收回波来探测目标的位置、速度和方向。
军事雷达广泛应用于空中、地面和海上的侦察、预警和导航等任务中。
4. 军事航天：军事航天是军工技术的重要应用领域之一，包括卫星、导弹、航天器等的研制和发射。
军事航天技术的发展对于军事侦察、通信和导航等具有重要意义。
三、军工科技的国际合作军工科技的发展需要国际间的合作与交流。
国际合作可以促进军工技术的创新和进步，加快科技成果的转化和应用。
军工领域的国际合作包括技术交流、装备销售和共同研发等多方面内容。
国际合作有助于提高军工技术的水平，增强国家的军事实力。
四、军工科普知识的意义和前景军工科普知识的普及对于提高国民的军事素质、增强国家的安全意识具有重要作用。
了解军工科技的基本概念和原理，可以帮助人们更好地理解现代战争的本质和军事装备的应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第7卷第4期2016年8月指挥信息系统与技术Command Information System and TechnologyVol.7 No.4Aug.2016•实践与应用•doi:10. 15908/ki.cist.2016. (M.012军事领域中概念抽取及其应用郑玄蒋锴钱夔徐俊瑜(中国电子科技集团公司第二十八研究所南京210007)摘要：在军事领域的概念抽取中，以军事领域核心概念作为种子概念扩充了领域概念，并提出了基于核心概念结构的候选概念评价方法。
该方法利用核心概念表征的不同语义范围，对语料进行层次聚类，计算不同层次细粒度的统计特征，对候选概念的领域归属度进行评价，避免语料分布不均匀造成候选概念的归属度差异。
试验表明，该方法在一定程度上提升了准确率和召回率，通过不 同细粒度的领域相关度和领域一致度统计特征，优化候选概念的抽取和排序，可应用于概念集^广充和概念推荐等场景。
关键词：概念抽取；领域相关度；领域一致度；核心概念结构中图分类号：TP391 文献标识码：A文章编号：1674-909X(2016)04-0072-05Concept Extraction and Its Application in Military DomainZHENG Xuan JIANG Kai QIAN Kui XU Junyu(T he 28th Research Institute of China Electronics Technology G roup C orporation, Nanjing 210007, China) Abstract：Aimed at concept extraction in military domain,a domain concept is expanded by taking the core concepts of military domain as the seed concepts.An evaluation method for candidate concepts based on structure of the core concept is proposed.Utilizing different semantic ranges represented by the core concepts,the method clusters the corpuses in the hierarchies and calculates fine-grained statistical characteristics in the different hierarchies.Then,the domain consistency and the relevancy of the candidate concepts are evaluated to avoid the gap caused by uneven corpuses.Experimental results show that the method improves the precession and the recall rate. With the different fine-grained statistical characteristics of the domain consistency and the relevancy,the method can optimize the extraction and the sorting of the candidate concepts,thus it can be applied in the concept set expansion and the concept recommendation.Key words：concept extraction；domain relevancy；domain consistency；core concept structure〇引言本体（Ontology)概念起源于哲学领域，用于解 释或说明客观存在的系统。
在人工智能领域，Neches[1]将本体定义为给出构成相关领域词汇的 基本术语和关系，以及利用这些术语和关系构成的 规定这些词汇外延的规则定义。
最著名并被广泛引 用的定义由Gmber[2]提出，他认为本体是概念模型 的明确规范说明。
本体作为知识表达的共享模型概念，在知识工程、知识管理、信息检索、数字图书馆和语义网（Semantic Web)等众多领域扮演重要角色。
本体对概念化空间内知识进行明确表示和规范描述，提供人 与机器间对信息结构的共同理解，实现对领域知识 的推理。
知识工程是以知识为基础的系统，是使用智能软件建立的专家系统。
WebOnto，Prot6g6,OntoEdit 及 KAON 等本 体构建工具也随着本体定义的发展而发展。
借助本 体构建工具，研究人员可不必了解本体描述语言细 节，根据本体内容即可构建本体，但本体内容仍依赖收稿日期：2015-07-01第7卷第4期郑玄，等：军事领域中概念抽取及其应用73于研究人员手工构建。
手工方法费时费力，不同研 究人员的倾向并不一致，且动态更新存在困难，因此 采用手工构建本体成为一项艰巨的任务。
近年来，众多研究人员和学者关注本体学习技术，以期通过 自动或半自动方式构建本体。
G6mez-P€re等[3]定义:本体学习是半自动构建本体的一^系列方法和技 术，利用各种数据源以半自动方式新建或扩充改编 已有本体，由此构建一个新本体。
本体结构是一个五元组〇= {C，i?，He，Rel，AQ}，C中元素称为概念（concept)中元素称为关系（relation); 为概念层次，即概念间分类关系(taxonomy relation);R el为概念间非分类关系(non-taxonomy relation);AQ 为本体公理。
数据源 可分为结构化、半结构化和非结构化3种数据。
本文主要研究如何从领域文本抽取军事领域概 念[4]。
先定义了军事领域核心概念作为种子概念扩 充领域概念，降低语料选取偏差对概念抽取结果的 影响；提出了一种基于核心概念结构的候选概念评 价方法。
该方法利用核心概念表征的不同语义范 围，对语料进行层次聚类，计算不同层次细粒度的统 计特征，对候选概念的领域归属度进行评价，避免语 料分布不均勻造成候选概念的归属度差异，改进了 单纯运用领域相关度和领域一致度的评价方法。
1研究背景人们使用领域概念描述领域内某种对象，传播 领域信息。
从某种意义上，领域概念是人类在认知 过程中对事物的抽象，是领域知识在文本中的一种 表现形式，并在一定程度上反映该领域的发展变化。
领域概念的搜集和整理以往主要依靠人工完成，虽然准确率高，但是费时费力，且需要有一定的领域知 识。
事物不断发展，新概念快速涌现，继续沿用人工 方法代价巨大，且无法及时捕捉领域的发展变化。
因此，利用计算机强大计算能力来实现领域概念的 自动抽取应运而生。
基于非结构化数据的概念抽取研究主要集中于 从自由文本获取领域相关概念。
由于自由文本缺乏 固定的表达结构，自动抽取领域概念并非易事。
概 念抽取方法可分为基于语言学、基于统计和混合3类方法。
1)基于语言学的概念抽取方法主要根据 特定领域的概念形态获取概念共性的结构或模板，抽取相应的满足结构或模板的词。
该方法依赖于语 言和领域，不同语言和领域的模板会存在差异，具有 一定局限性。
2)本体学习系统中，基于统计的概念 抽取方法是一种主流方法，通过计算一系列统计特 征值，包括浅层解析技术、互信息、词频与逆向文件频率(TF-IDF)和信息熵等统计量。
基于语言学的 方法简单有效，但存在一定的依赖性。
基于统计的 方法适应性较强，但存在粗粒度的问题。
3)混合方法是上述2种方法的融合，可以先用基于统计的方 法获取候选概念，再基于语言特征过滤候选概念；同样，也可以先用基于语言学的方法获取候选概念，再 用统计量特征进行过滤。
相对于国外在领域概念的自动抽取进展，中文 领域概念的自动抽取研究相对较少，尚未出现成熟 的研究成果。
严红等[5]基于军事领域中关系数据模型进行本体学习。
程勇等[6]开发的本体学习工具 OntoSphere，提供语料分析、本体学习、本体编辑和本体映射功能。
刘柏嵩[7]基于TextToOnto本体学 习工具包生成的试验系统WebOntLearn和GOLF，在知识网格和数字图书馆中进行应用研究。
本文关注军事领域的概念抽取，并采用领域概念为 蓝本，设计有益于用户的相关应用。
2概念抽取领域概念是在特定领域中具有相关语义的词或 词语的集合，是领域知识在文本中的外在表现。
领 域概念的获取是从领域相关语料库中抽取能够代表 该领域的概念集合。
首先需准备相关领域语料，约束概念抽取结果归属于特定领域。
本文准备领域语 料及领域核心概念作为预处理数据，其领域概念获 取流程如图1所示。
图1领域概念获取流程2.1军事领域核心概念集合构建本文中构建领域核心概念是领域概念学习的基 础，实质上是一种有指导的学习，通过军事领域核心 概念获取大量领域概念，并对候选概念进行模糊分 类。
领域核心概念集合的引入，先由领域专家事先 定义核心概念集合，降低语料选取偏差对概念抽取 结果的影响；再使概念抽取围绕核心概念集合，缩小 概念抽取范围，确保候选领域概念集中在特定领域，减少噪声数据的产生。
74指挥信息系统与技术2016年8月图2武器领域核心概念层次示例2.2语料预处理2.2.1 分词与停用词过滤收集领域相关网页，抽取网页中自由文本构建 语料库。
本文采用盘古分词对语料做分词与词性标注，收集百余条停用词以便过滤语料的分词结果。
2.2.2 层次聚类层次聚类指对给定的数据集进行层次分解或合 并，至所有记录组成一个分组或满足条件为止[8]。
利用军事领域核心概念集合中的层级关系，最高层 级概念作为聚类簇，下属概念构成该类别特征词，对 军事领域语料通过聚类算法进行聚类。
每个聚类簇 中包括若干语料，对每个聚类簇利用概念层级关系 中包括的概念对聚类簇进行细分，对语料再次进行 聚类。
由于语料可能包含多个主题概念，故部分语 料可归为多个聚类簇。
本文采用自顶向下的层次聚 类方法，形成依赖于核心概念层级结构的语料层次 聚类结果。
2.3领域归属度通常情况，领域概念在领域语料中出现的频率 高于在通用语料库中出现的频率，如概念在领域语 料库中频率低于它在一^般语料库中出现的频率，则 认为它与该领域无关。
如概念属于该领域，则在该 领域语料中出现频率较高。